Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
109028, Москва, Покровский бульвар 11, T423
тел: +7 (495) 621 13 42,
+ 7(495) 772 95 90 *27200; *27212.
e-mail: dhm-econ@hse.ru; shatskaya@hse.ru.
55 бюджетных мест
20 платных мест
110 бюджетных мест
40 государственных стипендий Правительства РФ для иностранцев
90 платных мест
5 платных мест для иностранцев
30 бюджетных мест
10 государственных стипендий Правительства РФ для иностранцев
30 платных мест
3 платных места для иностранцев
35 бюджетных мест
15 государственных стипендий Правительства РФ для иностранцев
50 платных мест
3 платных места для иностранцев
20 платных мест
3 платных места для иностранцев
40 платных мест
3 платных места для иностранцев
50 платных мест
1 платное место для иностранцев
50 платных мест
3 платных места для иностранцев
20 бюджетных мест
10 государственных стипендий Правительства РФ для иностранцев
5 платных мест
2 платных места для иностранцев
20 бюджетных мест
10 государственных стипендий Правительства РФ для иностранцев
5 платных мест
1 платное место для иностранцев
40 бюджетных мест
10 государственных стипендий Правительства РФ для иностранцев
10 платных мест
2 платных места для иностранцев
45 бюджетных мест
10 государственных стипендий Правительства РФ для иностранцев
5 платных мест
2 платных места для иностранцев
40 платных мест
2 платных места для иностранцев
65 бюджетных мест
20 государственных стипендий Правительства РФ для иностранцев
20 платных мест
1 платное место для иностранцев
60 платных мест
5 платных мест для иностранцев
In this work, we propose a new binary classification method called constrained subspace classifier (CSC) for high dimensional datasets. CSC improves on an earlier proposed classification method called local subspace classifier (LSC) by accounting for the relative angle between subspaces while approximating the classes with individual subspaces. CSC is formulated as an optimization problem and can be solved by an efficient alternating optimization technique. Classification performance is tested in publicly available datasets. The improvement in classification accuracy over LSC shows the importance of considering the relative angle between the subspaces while approximating the classes. Additionally, CSC appears to be a robust classifier, compared to traditional two-step methods that perform feature selection and classification in two distinct steps.
This is joint work with Petros Xanthopoulos and Orestis Panagopoulos