Resumen

En las últimas décadas se han propuesto diversos métodos para la extracción de características y la reducción de la dimensionalidad, incluidos métodos supervisados y no supervisados y métodos lineales y no lineales. A pesar de las diferentes motivaciones de estos métodos, en este artículo presentamos una formulación general conocida como análisis factorial para unificarlos dentro de un marco común. Durante el análisis factorial, se puede considerar que un objeto está compuesto por factores de contenido y de estilo, y el objetivo de la extracción de características y la reducción de la dimensionalidad es obtener el factor de contenido sin el factor de estilo. Hay dos pasos vitales en el marco del análisis factorial: uno es el diseño de la función objetivo de separación de factores, que incluye el diseño de la matriz de partición y peso, y el otro es el diseño de la función de mapeo espacial. En este artículo, se mejoran los algoritmos clásicos de análisis discriminante lineal (LDA) y de proyección que preserva la localidad (LPP) basándose en el marco del análisis factorial, y se proponen un LDA basado en el análisis factorial (FA-LDA) y un LPP basado en el análisis factorial (FA-LPP). Los resultados experimentales muestran la superioridad de nuestro enfoque propuesto en el rendimiento de la clasificación en comparación con los algoritmos clásicos LDA y LPP.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Métodos; extracción de características; reducción de la dimensionalidad; análisis factorial; métodos supervisados y no supervisados; métodos lineales y no lineales.
• Keywords:Methods; feature extraction; dimensionality reduction; factor analysis; supervised and unsupervised methods; linear and nonlinear methods