Discriminant analysis with common principal components
具有共同主成分的判别分析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：材料讨论一般判别分析与优化，没有直接对应所列经济计量领域细分的证据。
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
具有共同主成分的判别分析
- 研究问题
- 在寻找判别方向时，哪些情形能够避免迭代优化？摘要关注比各类别均为高斯且共享协方差矩阵稍宽的一类情形。
- 方法与思路
- 作者沿用既有的判别方向优化准则，提出另一个无需迭代的适用情形；题名涉及共同主成分，摘要未说明具体结构条件。
- 材料陈述的贡献
- 摘要称，无需迭代求解的范围可超出高斯类别共享协方差矩阵的情形；贡献集中于扩大这一计算简化的适用范围。
- 阅读关注点
- 应核对共同主成分与类别分布的具体限制、判别方向的求解方式，以及扩展情形为何能避免迭代优化。
- 阅读边界
- 仅据所给索引摘要，稿件版本未注明；摘要未提供具体条件、解的形式或计算比较，不能判断扩展幅度及实际优势。
原文摘要
Zhu & Hastie (2003) presented a general criterion for finding discriminant directions. To optimise their criterion, iterative methods are needed unless each class has a Gaussian distribution with a common covariance matrix. In this short paper, we present a slightly more general case where iterative methods can also be avoided.