지도 2차 특징 분석: 차원 축소를 위한 정보 기하학 접근
Supervised Quadratic Feature Analysis: Information Geometry Approach for Dimensionality Reduction
정보 기하학(information geometry)을 지도 차원 축소(supervised dimensionality reduction)에 적용한 SQFA(Supervised Quadratic Feature Analysis)를 제안하며, 가우시안 가정 하에서 클래스 조건부 분포 간 Fisher-Rao 거리를 최대화하는 선형 특징을 학습한다. 여러 실제 데이터셋에서 SQFA는 LDA 등 기존 방법과 경쟁력 있는 분류 성능을 보이며, Hellinger 거리를 최대화하는 변형인 SQFA-H가 최고 정확도를 달성한다.