Nonextensive maximum-entropy-based formalism for data subset selection.
Nonextensive maximum-entropy-based formalism for data subset selection.
复制标题
用于数据子集选择的非扩展的基于最大熵的形式主义。
DOI：
--
复制
发表时间：
2001
期刊：
影响因子：
--
通讯作者：
A. Plastino
中科院分区：
文献类型：
--
作者：
L. Rebollo;A. Plastino
提出了一种基于q=1 / 2最大信息测度的数据子集选择方法。该方法通过在每次迭代时选择产生q=1 / 2分布的测量值来迭代地演进，该测量值能够使到可用数据的欧几里得距离最小化。
A method for data subset selection, which is based on the q=1 / 2 maximum information measure formalism, is proposed. The method evolves iteratively by selecting, at each iteration, the measure yielding a q=1 / 2 distribution capable of making predictions minimizing the Euclidean distance to the available data.