Resumen

Los algoritmos de análisis discriminante (DA) basados en grafos han atraído recientemente una atención creciente para mitigar las limitaciones de los algoritmos de (grafos) DA. Sin embargo, existen algunas preocupaciones particulares sobre los siguientes temas importantes: si la construcción local es mejor que la global para los grafos intracategoría e intercategoría, ¿qué grafo (intracategoría o intercategoría) debería construirse local o globalmente? y, además, cómo deberían unirse de manera efectiva para obtener buenos rendimientos discriminantes. En este documento, siguiendo nuestros estudios previos sobre la construcción de grafos y DA, abordamos primero los problemas mencionados anteriormente y luego, mediante la utilización conjunta tanto de la globalidad como de la localidad, desarrollamos, respectivamente, un algoritmo de Análisis Discriminante Marginal Global y Compacto Local (GmLcDA) basado en los grafos intercategoría globales y los grafos intracategoría locales introducidos, y un Análisis Discriminante Marginal Local y

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Análisis discriminante basado en gráficos; Algoritmos; Globalidad; Localidad; Intraclase; Interclase
• Keywords:Graph based discriminant analysis; Algorithms; Globality; Locality; Intraclass; Interclass