Discriminant Functions When Covariance Matrices are Unequal
协方差矩阵不等时的判别函数AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般统计分类方法，未涉及经济离散选择行为或其他给定细分领域。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
协方差矩阵不等时的判别函数
- 研究问题
- 两个多元正态总体的协方差矩阵不相等时，二次判别、最优线性判别与 Fisher 线性判别的分类表现如何比较？
- 方法与思路
- 作者使用蒙特卡洛方法比较三种判别函数，分别考察渐近与样本情形，并改变总体距离、协方差、维数、样本量及先验概率。
- 材料陈述的贡献
- 摘要说明建立了协方差不等条件下的多维性能比较，以概率的期望值衡量表现，但未报告各判别函数的具体比较结论。
- 阅读关注点
- 应核对性能指标所指的概率、最优线性判别的优化准则，以及总体参数已知与样本估计两种情况下的比较设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；未提供模拟结果和指标的完整定义，不能据此判定某种判别规则更优。
原文摘要
This study compares by Monte Carlo methods the performance of three discriminant functions in classifying individuals into two multivariate normally distributed populations when covariance matrices are unequal—the quadratic, best linear and Fisher's linear discriminant function. The comparison is carried out both asymptotically and using samples. The expected value of the probabilities is used as the measure of performance. Parameters that are varied in the study include the distance between the populations, covariance matrices, number of dimensions, samples size and a priori probabilities of origin from the populations.