Algorithme de réseau neuronal pour LDA/GSVD

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 d'un algorithme basé sur un réseau neuronal artificiel pour surmonter le coût de calcul de LDA/GSVD. Les résultats montrent que l'utilisation de SOM et ANN sont efficaces pour résoudre les problèmes de l'algorithme traditionnel LDA/GSVD.