Regularização do classificador de Kernel Density Estimation com funções de Base Radial.

O objetivo deste artigo é propor um método baseado na modificação do modelo original de cálculo de Kernel Density Estimation (KDE) com funções de Base Radial. Tal método utiliza-se do K-Means para identificar os neurônios da camada escondida, aplica-se uma penalidade L1 (LARS) para ranquear os melhores neurônios e posteriormente faz-se uso da função de seleção para determinar o número ideal. Além disso, calcula-se a distância euclidiana de cada neurônio ao neurônio mais próximo para encontrar a amplitude da função de base radial. De acordo com experimentos em cinco conjuntos de dados, o método mostra vantagens significativas e indica possuir um desempenho de generalização muito interessante.