Zufällig generierte nichtlineare Transformationen zur Mustererkennung

In vielen mathematischen und ingenieurtechnischen Problemen ist die Lösung nach Anwendung einer Transformation einfacher. Eine allgemeine Methode wird vorgeschlagen, um geeignete Transformationen für diskrete Daten in Informationsverarbeitungsproblemen zu finden. Das Hauptmerkmal der Methode ist die zufällige Störung der Daten unter Beachtung von Einschränkungen, die sicherstellen, dass das Problem im transformierten Raum in gewissem Sinne einfacher ist und die lokale Struktur der Daten erhalten bleibt. Eine Anwendung dieser Technik auf die Mustererkennung wird erörtert, bei der eine Transformation für den Merkmalsraum gefunden wird, so dass Klassen, die im ursprünglichen Raum nicht linear trennbar sind, dies im transformierten Raum werden. Die Transformation vereinfacht das Problem erheblich und ermöglicht die Anwendung gut entwickelter linearer Diskriminanztechniken. Diese Anwendung wurde implementiert und mit einer Reihe von Beispielen getestet, die beschrieben werden.