.png){kind=icon}
返回
Exploring Classification with Spectral Transformation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-06744-9_5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多分类模型为每个对象分配一个实数值分数，并应用阈值来确定类别归属。虽然存在多种构建此类分数的成熟方法，但在这种背景下对谱技术的使用关注较少。在本文中，我们探索了一种新型分类方法，该方法将二元训练数据的标签函数视为特征空间上的信号。使用离散余弦变换（DCT），我们在稀疏网格上近似该信号，并重建一个平滑的决策函数，其值受到固定阈值的影响。这种表述固有地强调低频分量，这促进了平滑性并可能提高泛化能力。我们讨论了理论动机、实现挑战，并展示了实验结果，表明谱方法可能为二元分类提供替代视角。
Keyword:
machine learning
classification
discrete cosine transformation
signal approximation
sparse grid
smooth decision boundaries
期刊
D
IF:
0
论文数:
19
被引数:
0
机构
.png){kind=icon}
