Exploring the Viability of Fisher Discriminants in Galaxy Morphology Classification
Cette étude démontre que l'utilisation de discriminants de Fisher appliqués aux données du Sloan Digital Sky Survey permet de classifier la morphologie des galaxies avec une précision supérieure à celle des réseaux de neurones artificiels, des arbres de décision boostés et des k-plus proches voisins, atteignant un score de 0,9310 grâce à une transformation d'uniformisation.