ترجمه فارسی عنوان مقاله

جایگذاری موضعی خطی توسط برنامه نویسی خطی

عنوان انگلیسی

Locally Linear Embedding by Linear Programming

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
25236	2011	5 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Engineering, Volume 15, 2011, Pages 3041–3045

فهرست مطالب ترجمه فارسی

چکیده

لغات کلیدی

.1 مقدمه

.2 جایگذاری موضعی خطی

.3 جایگذاری موضعی خطی توسط برنامه نویسی خطی

.4 تستها و آزمایشات

شکل 1 (a) داده های تجربی؛ (b) نتایج آزمایشات منحنی S و رول سوئیس با استفاده از LLE.

شکل 2 (a) نتایج تجربی LLE و LLE توسط LP برای داده های با نویز؛ (b) نتایج تجربی LLE و LLE توسط LP برای داده های رول سوئیسی با نویز

5. نتیجه گیری

ترجمه کلمات کلیدی

تعبیه محلی خطی - برنامه ریزی خطی - کاهش ابعاد غیر خطی

کلمات کلیدی انگلیسی

locally linear embedding, linear programming, nonlinear dimensionality reduction,

ترجمه چکیده

همیشه کاهش ابعادی یکی از مهمترین چالشهایی است که زمینه ای را در استخراج داده ها به خود میگیرد. به عنوان مثال یک روش کاهش ابعادی غیرخطی، جایگذاری موضعی خطی (LLE) توجه و کاربرد بسیار یسیار زیاد و گسترده ای در تحلیل و پردازش تصویر و پردازش داده متنی به خود جلب کرده است. اما این روش در مقابل صدا حساس میباشد، که این مورد در اکثر کارها باعث محدودیت شده است. در این مقاله، الگوریتم جایگذاری موضعی خطی توسط برنامه نویسی خطی را (LLE توسط LP) تست تاثیرگذاری در کاهش حساسیت صدای را که پیشنهاد دادیم نشان میدهد.

ترجمه مقدمه

در زمینه استخراج داده و شناسایی الگو، کاهش ابعادی همیشه یکی از چالشهای مهم می باشد. روشهای سنتی به منظور کاهش ابعادی عمدتا بصورت خطی می باشد، به عنوان مثال محاسبه آنالیز ( PCA)، آنالیز مولفه، محاسبه آنالیز مستقل ( ICA) [1,2]. اخیرا، روشهای غیرخطی بسیار برای کاهش ابعادی پیشنهاد گردیده، از قبیل محاسبه آنالیز مولفه اصلی کرنال (KPCA)، جداسازی خطی کرنال ( KLDA)، و منحنی اصلی (HS) می باشد [3,4]. به تازگی، یک روش یا تکنیک یادگیری غیرقابل نظارت یا غیرقابل رسیدگی برای آموزش مقیاس های غیرخطی که توجه محققان را در زمینه یادگیری ماشینی و علوم شناختی را به خود جلب کرده است. الگوریتم اصلی عمدتا شامل نقشه برداری هم متر و جایگذاری موضعی خطی می باشد (LLE) می باشد. این دستاورد میتواند برای تعیین و تشخیص توزیع ذاتی و طبیعی و ساختار منظم هندسی برای داده های ابعاد غیر خطی به طور موثر استفاده میگردد. جایگذاری موضعی خطی یک روش ساده برای پیاده سازی می باشد و و بهینه سازی آن شامل حداقل موضعی نمی باشد. اگرچه روش جایپذاری موضعی خطی بر روی تعدادی از مجموعه داده ها ی واقعی و مصنوعی عملکرد خوبی دارد، ضعف آن را نمیتوان نادیده گرفت. در این مقاله، به مسئله حساسیت به صدا بایستی توجه کنیم، و الگوریتم موضعی خطی را توسط برنامه نویسی خطی پیشنهاد کنیم. سپس تستها و آزمایشات بر روی منحی مجموعه داده ها رایج یا شناخته شده اعمال میگردد، و نتایج LLE و LLE توسط LP باهم مقایسه و بحت گردیده. این آزمایش اثر بخشی یا تاثیر خود نشان میدهد.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Dimensionality reduction has always been one of the most challenging tasks in the field of data mining. As a nonlinear dimensionality reduction method, locally linear embedding (LLE) has drawn more and more attention and applied widely in face image processing and text data processing. But this method is usually sensitive to noise, which limits its application in many fields. In this paper, we propose a locally linear embedding algorithm by linear programming (LLE by LP), and the experiments demonstrate the effectiveness of the approach in reducing the sensitivity to noise.