Range space super spherical cap discriminant analysis

برای غلبه بر مشکل جداسازی ناشی از همجوشی نمونه در فرآیند نرمال سازی بردارهای نمونه، در این مقاله، یک قطعه سوپر کروی را با استفاده از تجزیه و تحلیل دیفرانسیل در فضای محدوده ماتریس پراکندگی کل ارائه شده است. ثابت شده است که مدل سوپاپ سوپر کروی واحد می تواند تغییرات توپولوژیکی ویژگی های ساختاری بردارهای نمونه را حفظ کند. علاوه بر این، یک شرط کافی برای بهبود جداسازی داده های نمونه در مدل پیشنهادی مشتق شده است. الگوریتم پیشنهادی داده های نمونه را به فضای محدوده ماتریس پراکندگی کل پروژه می رساند و سپس یک بعد را برای هر نمونه از فضای محدوده اضافه می کند و به صورت غیر خطی آن را روی سطح سوپاپ سوپر کروی واحد قرار می دهد. ما یک طبقه بندی جدید را به نام یک کالای داخلی کروی محصول نزدیکترین همسایگی "" برای داده های تبدیل کردیم. این مسئله برای مسئله انحراف از بردار تبعیض کننده و مسئله جدا شدن ناشی از عادی سازی بردارهای نمونه طراحی شده است، زمانی که کلاسهای مختلف زیر در زیرفضای چند بعدی یا منیفولد های مختلف قرار می گیرند. نتایج تجربی در پایگاه داده های مختلف نشان می دهد که روش ما از نظر دقت تشخیص و پایداری عددی بیشتر از روش های دیگر است.