Classification methods for Hilbert data based on surrogate density

یک روش طبقه بندی بدون نظارت و تحت نظارت برای منحنی تصادفی هیلبرت مورد مطالعه قرار گرفته است. هر دو با استفاده از یک جایگزین از چگالی احتمال است که در یک مخلوط بدون توزیع، از یک فزایندۀ تقریبی احتمال توپ کوچک تعریف می شود. این تراکم جایگزین با استفاده از یک مفهوم هسته از اجزای اصلی داده ها تخمین می شود. تمرکز بر تصویر الگوریتم های طبقه بندی و مفاهیم محاسباتی است، با توجه ویژه به تنظیم پارامترهای مرتبط. برخی از نتایج نامتقارن طرح شده است. برنامه های کاربردی در مجموعه داده های شبیه سازی شده و واقعی نشان می دهد که روش های پیشنهادی چگونه کار می کنند.