یکشنبه 30 شهریور 1399 | Sunday 20 th of September 2020 صفحه اصلی گروه الکترونیکی کامپیوتر
1روش های مبتنی بر استخراج ویژگی

روش­های مبتنی بر استخراج ویژگی، یک فضای چند بعدی را به یک فضای با ابعاد کمتر نگاشت می­دهند. تولید ویژگی­های جدید به طوریکه داده را بهتر توصیف نماید، به عنوان استخراج ویژگی شناخته می­شود [Guyo06]. این روش­ها به دو دسته خطی و غیرخطی تقسیم می­شوند. روش­های خطی که ساده­ترند و فهم ان‌ها راحت­تر است به دنبال یافتن یک زیرفضای تخت عمومی[1] هستند. اما روش­های غیرخطی که مشکل­ترند و تحلیل ان‌ها سخت­تر است به دنبال یافتن یک زیرفضای تخت محلی[2] می­باشند.

از روش­های خطی می­توان به[3] DFT،[4] DWT،[5] PCAو[6] FAاشاره کرد. 

 روش­های دیگر غیرخطی عبارتند از:

  • Projection Pursuit (PP): برخلاف روش­های PCAو FAمی­تواند اطلاعات بالاتر از مرتبه­ی دوم را ترکیب نماید. بنابراین روش مناسبی برای بسترهای داده­ای غیر گاوسیاست.
  • Independent Component Analysis (ICA): این روش نیز یک نگاشت خطی انجام می­دهد اما بردارهای این نگاشت لزوماً بر یکدیگر عمود نیستند، در حالی که در روش­های دیگر مانند PCAاین بردارها بر هم عمودند.
  • Random Projection (PP): یک روش ساده و در عین حال قدرتمند برای کاهش ابعاد داده است که از ماتریس­های نگاشت تصادفی برای نگاشت داده­ها به یک فضای با ابعاد کمتر استفاده می­کند.

از روش­های غیرخطی نیز می­توان به موارد زیر اشاره کرد:

  • Principal Curves
  • Self Organizing Maps
  • Vector Quantization
  • Genetic and Evolutionary Algorithms
  • Regression

[1]-  Global flat subspace

[2]-  Locally flat subspace

[3]- Discrete Fourier Transform

[4]- Discrete Wavelet Transform

[5]- Principal Component Analysis

[6]- Factor Analysis

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26