اصلاح روش نگاشت ویژه لاپلاسین با استفاده از بهبود گراف همسایگی و روش ماتریس خلوت برای نگاشت داده های جدید

در سال های اخیر روش های کاهش بعد غیرخطی مبننی بر خمینه ی زیادی مطرح شدند که اغلب این روش ها برپایه ی ساخت گراف همسایگی می باشند. این روش ها در زمینه هایی مانند تشخیص چهره و بازشناسی الگو بسیار کاربرد داشته اند. این روش های غیرخطی از دو جهت قابل بررسی می باشند. اول آنکه ساخت گراف همسایگی اغلب زمانبر وتعیین وزن همسایگی عادلانه در آن چالش برانگیز است. دوما، نگاشت نمونه های جدید ( داده های آزمایش ) اغلب مستلزم بکارگیری نمونه های قبلی بکاررفته در مجموعه آموزش نیز هست. در این مقاله ما،ابتدا روشی برای بهبود ساخت گراف همسایگی معرفی کردیم که با اضافه کردن یک ترم آنتروپی به تابع هدف بوجود آمده است. و در عین حال مستقل از پارامتر های تابع وزن دهی و اندازه ی همسایگی می باشد. در مورد دوم نیز از روش کدگذاری اسپارس برای نگاشت داده ها استفاده نمودیم.این روش بدون پارامتر و بسیار کم هزینه تر نسبت به روش های قبلی می باشد.برای انجام آزمایش ها روش نگاشت ویژه لاپلاسین را به عنوان یک روش غیرخطی مبتنی بر گراف انتخاب نمودیم و روش پیشنهادی را برای آن بکار برده ایم. نتایج آزمایش ها بر روی مجموعه دادگان UCI با استفاده از دسته بندهای مختلف نشان میدهد که الگوریتم ارائه شده در مقایسه با روش های دیگر عملکرد بهتری در بازشناسی الگو داشته است.

Keywords:

بازشناسی الگو , کاهش ابعاد , کدگذاری اسپارس , گراف همسایگی