基于局部空间深度的多尺度分类
Subhajit Dutta、Soham Sarkar、Anil K.Ghosh; 17（217）：2016年1月30日。
摘要
在本文中，我们开发并研究了一种基于使用空间深度提取的特征的新分类器。我们的构造是基于对不同竞争类的后验概率拟合一个广义加性模型。为了应对人口分布的可能多模态和非椭圆性质，我们还开发了空间深度的本地化版本，并使用不同程度的本地化来构建分类器。最后的分类是通过聚合几个后验概率估计来完成的，每个后验概率估算都是使用具有固定定位尺度的局部空间深度获得的。即使当数据的维数大于样本量时，该分类器也可以方便地使用，并且它对此类数据的良好区分能力已通过理论和数值结果建立。
[腹肌]
[pdf格式][围兜]
