استخراج المميزات من أهداف السونار الصغيرة تحت الماء باستخدام تحليل التمييز الجوارى

يعد تحليل التمييز الخطي (LDA) تقنية شائعة الاستخدام لاستخراج الخصائص تحت إشراف، حيث يقوم بتعيين البيانات إلى فضاء فرعي منخفض الأبعاد بحيث يتم تعظيم التباين بين الفئات وتقليل التباين داخل الفئات. على الرغم من فائدته، يواجه LDA العديد من التحديات، خصوصاً عندما تصبح مصفوفة التباين داخل الفئات فردية بسبب حجم العينة الصغيرة. تم اقتراح تقنيات أخرى لتقليل الأبعاد، مثل تحليل المكونات الجوارية (NCA)، كبدائل لـ LDA. يتعلم NCA تحويلًا خطيًا يعظم احتمال تجميع نقاط البيانات من نفس الفئة معًا في الفضاء ذي الأبعاد المنخفضة. ومع ذلك، تعتمد تحسينات NCA على دالة تكلفة غير محدبة، مما يجعلها معرضة لنقاط الامتياز المحلية. لمعالجة التحديات التي تواجه كل من LDA وNCA، نقترح طريقة جديدة لتقليل الأبعاد تُدعى تحليل التمييز الجوارى (NDA). مثل NCA، يتعلم NDA تحويلًا خطيًا يهدف إلى تجميع نقاط البيانات بناءً على تسمية الفئة. ومع ذلك، يتم صياغة NDA كمشكلة تحليل قيم eigen، مما يلغي الحاجة إلى تحسين غير محدب. نظهر الطريقة الجديدة على بيانات سونار صغيرة مستندة إلى أهداف حقيقية. العمل ممول من قبل منح ONR أرقام N000142112420 وN000142312503، ومنحة DoD Navy (NEEC) رقم N001742010016.