Robust Fast Subclass Discriminant Analysis

Tutkimustuotos: KonferenssiartikkeliScientificvertaisarvioitu

Abstrakti

In this paper, we propose novel methods to address the challenges of dimensionality reduction related to potential outlier classes and imbalanced classes often present in data. In particular, we propose extensions to Fast Subclass Discriminant Analysis and Subclass Discriminant Analysis that allow to put more attention on uder-represented classes or classes that are likely to be confused with each other. Furthermore, the kernelized variants of the proposed algorithms are presented. The proposed methods lead to faster training time and improved accuracy as shown by experiments on eight datasets of different domains, tasks, and sizes.
AlkuperäiskieliEnglanti
Otsikko2020 28th European Signal Processing Conference (EUSIPCO)
KustantajaIEEE
Sivut1397-1401
Sivumäärä5
ISBN (elektroninen)978-9-0827-9705-3
DOI - pysyväislinkit
TilaJulkaistu - 2021
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaEuropean Signal Processing Conference (EUSIPCO) - Amsterdam, Alankomaat
Kesto: 18 tammik. 202121 tammik. 2021

Julkaisusarja

NimiEuropean Signal Processing Conference
ISSN (elektroninen)2076-1465

Conference

ConferenceEuropean Signal Processing Conference (EUSIPCO)
Maa/AlueAlankomaat
KaupunkiAmsterdam
Ajanjakso18/01/2121/01/21

Julkaisufoorumi-taso

  • Jufo-taso 1

Sormenjälki

Sukella tutkimusaiheisiin 'Robust Fast Subclass Discriminant Analysis'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä