Die Leistungsfähigkeit der klassischen linearen Diskriminanzanalyse auf der Grundlage der verallgemeinerten Singulärwertzerlegung (LDA/GSVD) verschlechtert sich beim Umgang mit unbeschrifteten Datensätzen, da die LDA vordefinierte Eingaben und Ziele erfordert. Darüber hinaus leidet der LDA/GSVD-Algorithmus aufgrund seiner komplexen mathematischen Berechnungen und Iterationen unter hohen Rechenkosten. Um diese Probleme zu lösen, werden in dieser Studie die selbstorganisierende Karte (SOM) als neue Methode zur Kennzeichnung von Datensätzen und die Entwicklung eines auf einem künstlichen...
Die Leistungsfähigkeit der klassischen linearen Diskriminanzanalyse auf der Grundlage der verallgemeinerten Singulärwertzerlegung (LDA/GSVD) verschl...
La capacité de l'analyse discriminante linéaire classique basée sur la décomposition de la valeur singulière généralisée (LDA/GSVD) se détériore lorsqu'il s'agit d'ensembles de données non étiquetées, car la LDA nécessite des entrées et des cibles prédéfinies. En outre, l'algorithme LDA/GSVD souffre d'un coût de calcul élevé en raison de ses calculs mathématiques complexes et de ses itérations. Pour résoudre ces problèmes, cette étude présente la carte auto-organisatrice (SOM) comme une nouvelle méthode d'étiquetage des ensembles de données, et le développement...
La capacité de l'analyse discriminante linéaire classique basée sur la décomposition de la valeur singulière généralisée (LDA/GSVD) se détér...
