Neuronaler Netzwerk-Algorithmus für LDA/GSVD

La performance de l'analyse discriminante linéaire classique basée sur la décomposition en valeurs singulières généralisées (LDA/GSVD) se dégrade lorsqu'il s'agit de traiter des ensembles de données non étiquetés, car la LDA nécessite des entrées et des objectifs prédéfinis. De plus, l'algorithme LDA/GSVD souffre de coûts de calcul élevés en raison de ses calculs mathématiques complexes et de ses itérations. Pour résoudre ces problèmes, cette étude introduit la carte auto-organisatrice (SOM) comme nouvelle méthode pour étiqueter des ensembles de données et développe un algorithme basé sur un réseau de neurones artificiels afin de surmonter les coûts de calcul de LDA/GSVD. Les résultats montrent que l'utilisation de SOM et de ANN résout efficacement les problèmes de l'algorithme LDA/GSVD traditionnel.