Core Concepts
スペクトラル補正と正則化されたLDA(SRLDA)は、高次元データセットにおける線形判別分析の最適なグローバル解を提供します。
Abstract
この論文では、スペクトラル補正と正則化されたLDA(SRLDA)メソッドが提案されています。この手法は、サンプルのスペクトラム補正共分散行列と正則化判別分析の設計思想を統合しています。大次元ランダム行列解析フレームワークのサポートを受けて、SRLDAがスパイクモデル仮定下で線形分類の最適なグローバル解を持つことが証明されています。シミュレーションデータ解析によると、SRLDA分類器はRLDAおよびILDAよりも優れており、理論的な分類子に近い性能を発揮します。さまざまなデータセットでの実験では、SRLDAアルゴリズムが現在使用されているツールよりも優れた分類および次元削減を実現しています。
Stats
SRLDAはRLDAおよびILDAよりも優れた性能を発揮します。
SRLDAアルゴリズムは高次元システムの解析に貴重なツールです。
SRLDAはスパイク共分散モデルにおいて新しいアプローチを提案しています。
Quotes
"Spectrally-Corrected and Regularized LDA (SRLDA) has a linear classification optimal global optimal solution under the spiked model assumption."
"The SRLDA classifier performs better than RLDA and ILDA and is closer to the theoretical classifier."
"Our proposed classifier outperforms other popular classification techniques, such as improved LDA (I-LDA), support vector machine (SVM), k-Nearest neighbor (KNN), and a fully connected neural network (CNN)."