TY - JOUR T1 - Manifold Learning based on the Manifold Graph Construction using Sparse Representation TT - آموزش منیفلد با استفاده از تشکیل گراف منیفلدِ مبتنی بر بازنمایی تنک JF - jiaeee JO - jiaeee VL - 15 IS - 2 UR - http://jiaeee.com/article-1-645-fa.html Y1 - 2018 SP - 81 EP - 95 KW - Manifold Learning KW - Sparse representation KW - Dimension Reduction KW - Persian Handwritten Characters and Digits Recognition. N2 - در این مقاله،یک روش آموزش منیفلدِ مبتنی بر بازنمایی تنک معرفیمی‌شود.تشکیل گراف منیفلد در فضای با ابعاد بالا، مهمترین مرحله در روش‌های آموزش منیفلد، جهت استخراج داده‌ها در فضایبا ابعاد پایین است که عموماً به دو دسته محلی و سراسری تقسیم می‌گردند. گراف منیفلد پیشنهادی، به استخراج هم‌زمان ویژگی‌های محلی و سراسری می‌پردازد. پس از تشکیل گراف منیفلدِ مبتنی بر بازنمایی تنک،دو روش خطی و غیرخطی جهت استخراج داده‌های تعبیه شده در منیفلد، معرفیمی شوند. روش پیشنهادی، با روش‌های متداول آموزش منیفلد، مانند LLE، LEM، LPP و PCA، مقایسه و ارزیابی شده است. ارزیابی‌های انجام شده بر روی دو پایگاه داده‌های حروف و ارقام دست‌نویس فارسیHODA و IFHCDB، بیان‌گر کارایی بهتر روش پیشنهادی، مبتنی بر معیار نرخ تشخیص درست بوده و نرخ تشخیص درست89/91 و 89/93، به ترتیب برای پایگاه داده‌هایHODA و IFHCDB به دست آمده است. در ادامه، جهت کاهش پیچیدگی محاسباتی روش پیشنهادی، شکل تغییر یافته آن نیز معرفی گردیده است، که نتایج آن بر روی پایگاه داده HODA، نشان‌دهنده‌ی کارایی مناسب آن بوده و پیچیدگی محاسباتیرا تا حدود 6 برابر کاهش داده است. M3 ER -