arrow
返回

Unsupervised linear discrimination using skewness

delete2025-11-01
delete1
delete
OA
AI
U
Una Radojičić *
K
Klaus Nordhausen
J
Joni Virta
DOI:10.1016/j.jmva.2025.105524delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
众所周知,在Gaussian two-group separation中,最优判别投影方向可以在不了解组标签信息的情况下进行估计。在本工作中,我们收集了基于偏度(skewness)的几种此类无监督估计量,并推导了它们的极限分布。作为我们的一项主要结果,我们证明了所有最优方向的仿射等变(affine equivariant)估计量的渐近协方差矩阵成比例,这使得它们之间的比较变得简单。我们提出的四种估计量中,两种是新颖的,另外两种之前已被提出。我们使用模拟来验证我们的结果,并检验估计量的有限样本行为。
Keyword:
Asymptotic normality
Fisher's linear discriminant
Gaussian mixture
Limiting efficiency
Third moment
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

J
Journal of Multivariate Analysis
IF:
1.7
论文数:
99
被引数:
5.8K

机构

U
university of helsinki
学者数:
4.1W
论文数: 3.6W
被引数: 51
U
University of Turku
学者数:
1.7W
论文数: 1.5W
被引数: 2.0W
T
technische universitat wien
学者数:
126
论文数: 64
被引数: 0
学者 查看更多机构
引用论文

引用论文

Invariant co-ordinate selection
err2009-06-01
err92
errOAAI
errTyler, David E.; Critchley, Frank; Duembgen, Lutz; Oja, Hannu
err分享
err收藏
On Invariant Coordinate System (ICS) Functionals
err2012-02-06
err0
PREAI
errPauliina Ilmonen; Hannu Oja; Robert Serfling
err分享
err收藏
学者 查看更多内容