استخراج ويژگي با استفاده از تصوير جداسازي محلي فازي

در چند سال اخیر، الگوریتم هاي یادگیري مبتنی بر منیفلد براي كاهش ابعاد ارائه شد هاند. هدف الگوریتم هاي یادگیري مبتنی بر منیفلد، كشف نمایش بعد پایین ذاتی داد ههایی هستند كه در فضاي با ابعاد بالا قرار گرفت هاند. این روش ها از گرا فها براي مد لسازي م یباشد. در (LPP) ساختار محلی مجموعه داد هها استفاده می كنند. یكی از روش هاي یادگیري مبتنی بر منیفلد، تصویر حفظ محلیت 1 1) تنظیم می شوند كه در این رو شها، اطلاعات كلاسی داده ها در نظر - وزن هاي گراف براساس كرنل گرما یا الگوي باینري ( 0 LPP را براي استخراج ویژگی (FLDP) گرفته نم یشوند. در این مقاله روش استخراج ویژگی جدیدي به نام تصویر جداسازي محلی فازي 2 پیشنهاد می كنیم. در این روش، وز نهاي گراف براساس اطلاعات محلی و اطلاعات كلاسی محاسبه می شوند. آزمایش هاي انجام برتري روش پیشنهادیمان را نشان م یدهد. AR و ExtendedYaleB شده در بازشناسی چهره بر روي پایگا ه داد ههاي