高斯时空数据的监督线性分类
文章
玛尔塔·卡拉留特
维尔纽斯大学
Kęstutis Dučinskas公司
克莱佩达大学
https://orcid.org/0000-0002-6079-7504
发布日期:2021-12-15
https://doi.org/10.15388/LMR.2021.25214
ppdf公司

关键词

可分离协方差函数
AR(p)模型
贝叶斯判别函数

如何引用

Karaliutö,M.和Dučinskas,K.(2021)“高斯时空数据的监督线性分类”,Lietuvos matematikos泳池第62(A)页,第9-15页。doi:10.15388/LMR.2021.25214.

摘要

在本文中,我们将关注时空高斯随机场观测值的监督分类问题,将其分为由不同平均参数指定的两类之一。该方法的主要特点是允许类标签依赖于空间位置和时间矩。根据AR(p)模型,假设时空协方差结构因子分为纯空间分量和纯时间分量。在具有模拟数据的数值说明中,研究了空间和时间协方差参数的值对几种先验概率模型的导出误差率的影响。

聚丙烯纤维

下载

下载数据尚不可用。

本杂志阅读量最大的文章

1 2  > >>