Глубинный метод классификации на основе удаленной меры концентрации для обработки асимметричных данных

Галкин, А. А.

Предложен непараметрический глубинный метод классификации для случая, когда множества данных имеют неравные априорные вероятности и не относятся к общему семейству эллиптических распределений. Разработан универсальный глубинный классификатор, который не зависит от отклонения в модели сдвига расположения или нарушения монотонного характера функций плотности. Масштабируемое расстояние Махаланобиса оценено в каждой точке с использованием метода остаточного прохода.Разработан и исследован глубинный метод классификации на основе удаленной меры концентрации для обработки асимметричных данных. Мотивацией построения метода стала неэффективность использования большинства аффинно-инвариантных классификаторов при их сочетании с функциями глубины, которые обращаются в нуль за пределами выпуклой оболочки данных. Идея предложенного метода заключается в отображении дистанционного пространства с использованием удаленной меры концентрации, меры удаленности Штахеля - Донохью и меры скорректированной удаленности.