Neuronaler Netzwerk-Algorithmus für LDA/GSVD

Le prestazioni della classica analisi discriminante lineare basata sulla decomposizione ai valori singolari generalizzata (LDA/GSVD) si deteriorano quando si lavora con set di dati non etichettati, poiché la LDA richiede input e obiettivi predefiniti. Inoltre, l'algoritmo LDA/GSVD soffre di alti costi computazionali a causa dei suoi complessi calcoli matematici e iterazioni. Per affrontare questi problemi, in questo studio vengono introdotti la mappa auto-organizzante (SOM) come nuovo metodo per etichettare i set di dati e lo sviluppo di un algoritmo basato su una rete neurale artificiale per superare i costi computazionali di LDA/GSVD. I risultati mostrano che l'uso di SOM e ANN risolve efficacemente i problemi dell'algoritmo tradizionale LDA/GSVD.