Bayesian Fisher's Discriminant for Functional Data
Bayesian Fisher's Discriminant for Functional Data
复制标题
函数数据的贝叶斯费舍尔判别式
DOI：
--
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Chu
中科院分区：
文献类型：
--
作者：
Yao;Lu;C. Wang;Chu
为了将Fisher判别法推广到光谱和图像等功能数据的分类中，我们提出了高斯过程的贝叶斯框架。我们的扩展费雪判别式的概率结构被明确地表述，并且我们利用函数数据的平滑假设作为先验概率。现有的直接采用函数数据平滑假设的方法在给定相应的先验条件下可以作为该框架内的特殊情况，而它们对未知数的估计是对所提出的MAP估计的一步逼近。各种模拟研究和不同实际应用的经验结果表明，该方法在功能数据上明显优于其他Fisher判别方法。
We propose a Bayesian framework of Gaussian process in order to extend Fisher's discriminant to classify functional data such as spectra and images. The probability structure for our extended Fisher's discriminant is explicitly formulated, and we utilize the smoothness assumptions of functional data as prior probabilities. Existing methods which directly employ the smoothness assumption of functional data can be shown as special cases within this framework given corresponding priors while their estimates of the unknowns are one-step approximations to the proposed MAP estimates. Empirical results on various simulation studies and different real applications show that the proposed method significantly outperforms the other Fisher's discriminant methods for functional data.
影响因子：
4.4
作者：
Yang J;Zhu H;Choi T;Cox DD
通讯作者：
Cox DD
平滑离散数据以构建功能数据分类器时带宽选择的意外特性。
影响因子：
4.5
作者：
Carroll,RaymondJ;Delaigle,Aurore;Hall,Peter
通讯作者：
Hall,Peter