Consistency of Derivative Based Functional Classifiers on Sampled Data

Abstract : In some applications, especially spectrometric ones, curve classifiers achieve better performances if they work on the $m$-order derivatives of their inputs. This paper proposes a smoothing spline based approach that give a strong theoretical background to this common practice.
Type de document :
Communication dans un congrès
ESANN 2008, 16th European Symposium on Artificial Neural Networks, Apr 2008, Bruges, Belgium. pp.445-450, 2008
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-00666609
Contributeur : Nathalie Villa-Vialaneix <>
Soumis le : dimanche 5 février 2012 - 19:35:20
Dernière modification le : mardi 8 décembre 2015 - 01:21:05
Document(s) archivé(s) le : dimanche 6 mai 2012 - 02:22:04

Fichiers

splines-svm-fda.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00666609, version 1

Collections

Citation

Fabrice Rossi, Nathalie Villa-Vialaneix. Consistency of Derivative Based Functional Classifiers on Sampled Data. ESANN 2008, 16th European Symposium on Artificial Neural Networks, Apr 2008, Bruges, Belgium. pp.445-450, 2008. <hal-00666609>

Partager

Métriques

Consultations de
la notice

195

Téléchargements du document

68