اختيار الميزات باستخدام تحليل المكونات الرئيسية

لقد تم تطبيق تحليل المكونات الرئيسية (PCA) على نطاق واسع في مجال علوم الكمبيوتر. من المعروف أن PCA هو طريقة تحويل شائعة وأن نتيجة التحويل ليست مرتبطة مباشرة بمكون ميزات واحد من العينة الأصلية. ومع ذلك، في هذه الورقة، نحاول تطبيق تحليل المكونات الرئيسية (PCA) على اختيار الميزات. تتناول الطريقة المقترحة مشكلة اختيار الميزات بشكل جيد، من منظور التحليل العددي. يظهر التحليل بوضوح أن PCA لديه القدرة على أداء اختيار الميزات وقادر على اختيار عدد من الأفراد المهمين من جميع مكونات الميزات. تفترض طريقتنا أن مكونات الميزات المختلفة للعناصر الأصلية لها تأثيرات مختلفة على نتيجة استخراج الميزات وتستفيد من المتجهات الذاتية لمصفوفة التغاير لـ PCA لتقييم دلالة كل مكون ميزة من العينة الأصلية. عند تقييم دلالة مكونات الميزات، تأخذ الطريقة المقترحة في اعتبارها عددًا من المتجهات الذاتية. ثم تستخدم مخططًا معقولًا لأداء اختيار الميزات. الخوارزمية المصممة ليست فقط خاضعة لطبيعة PCA ولكنها أيضًا فعالة من الناحية الحوسبية. تُظهر النتائج التجريبية في التعرف على الوجه أنه عند قدرة الطريقة المقترحة على تقليل أبعاد العينات الأصلية بشكل كبير، فإنها لا تؤثر أيضًا على دقة التعرف.