استخدام الشبكات العصبونية لتخفيض أبعاد الصور فائقة الطيف لأغراض تحسين السرعة والدقة

الملخص

يزداد استخدام البيانات متعددة الأبعاد في جميع المجالات بسبب دقة المعلومات التي تقدمها والتي تستخدم عادة في قرارات مهمة سواء في المجالات الطبية أو الزراعية أو اللغات أو الآثار، حيث يتميز هذا النوع من البيانات بوجود العديد من الميزات (الأبعاد) لكل عنصر، وفي بحثنا نعمل على الصور فائقة الطيف حيث تمثل بكسلاتها العناصر، أما الميزات فهي البيانات الملتقطة ضمن نطاقات أطوال موجية متعددة عبر الطيف الكهرومغناطيسي (أي لكل بكسل العديد من الميزات).

لكننا عادة ما نعاني خلال تحليل هذه الصور وتصنيفها نتيجة المشاكل التي نواجهها في عملية تخفيض الأبعاد التي تسبق كلتا العمليتين، ومن أهم المشاكل التي نحاول حلها في مرحلة تخفيض الأبعاد تتمثل بالدقة والسرعة والتعقيد واختلاف طبيعة البيانات.

في هذه الورقة تم بناء شبكة عصبونية تعمل على تخفيض الأبعاد حيث تم تطبيقها على مجموعتين من البيانات وقد أثبتت جدارتها في حل المشاكل التي تواجهها خوارزمية تخفيض الأبعاد التقليدية Principal Component Analysis (PCA) .

كما تم مقارنتها مع كافة الخوارزميات المشتقة من PCA مثل (Sparse PCA ,Kernel PCA ,Segmented PCA) وذلك لضمان جودة النتائج ومدى مصداقيتها، وهذا تجلى من خلال عملية التصنيف بصورة واضحة .