亨尼，C。;辛齐亚·维罗利 基于分位数的分类器。 （英语） Zbl 1499.62212号 生物特征 103，第2期，435-446（2016）. 摘要：用小样本高维数据进行分类在许多应用领域都很重要。分位数分类器是基于距离的分类器，无论维数如何，都需要一个参数，并根据观测分量到类内分位数的加权分量距离之和对观测进行分类。通过最小化训练样本中的误分类错误，可以选择分位数的最佳百分比。结果表明，对于具有渐近最优分位数的分类规则，这种选择是一致的，并且在某些假设下，随着变量数趋于无穷大，正确分类的概率收敛到一。讨论了预测变量分布偏态的影响。在综合仿真研究和实际数据应用中，最优分位数分类器可降低误分类率。 引用于5文件 MSC公司： 62小时30分 分类和区分；聚类分析（统计方面） 关键词：高维数据;基于中值的分类器;误分率;偏斜度 PDF格式BibTeX公司 XML格式引用 \textit｛C.Hennig｝和\textit｛C.Viroli｝，Biometrika 103，编号2，435-446（2016；Zbl 1499.62212） 全文： DOI程序 arXiv公司