Научная статья
Аппроксимация дискриминантной функции Андерсона
Настоящее исследование посвящено разработке и апробации метода аппроксимации дискриминантной функции Андерсона в условиях ограниченности данных и неоднородности распределений. Проблема точной классификации объектов в многомерных пространствах при непараметрической оценке функций плотности вероятности является фундаментальной для многих областей, включая машинное обучение, биоинформатику и медицинскую диагностику. Целью работы стало повышение устойчивости и обобщающей способности дискриминантной функции за счет использования методов регуляризации и ансамблевых подходов. В качестве основных методов применялись ядерные оценки плотности, метод главных компонент для снижения размерности, а также адаптивный бустинг для построения ансамбля слабых классификаторов. Полученные результаты демонстрируют значительное улучшение точности классификации по сравнению с классическими подходами, особенно в сценариях с малым объемом обучающей выборки. Выводы указывают на перспективность использования предложенного метода для задач, требующих высокой надежности классификации при неблагоприятных условиях данных.
дискриминантная функция Андерсона, аппроксимация, регуляризация, ядерные оценки плотности, снижение размерности, ансамблевые методы, классификация, машинное обучение
- Оформление по ГОСТ
- Содержание и структура уже собраны
- Подходит как пример для своей темы
