تقلیل ابعاد

تقلیل ابعاد یا فروکاهی ابعاد (Dimension reduction) به فرایند کاستن و کم‌کردن از تعداد ابعاد و متغیرهای مورد نیاز برای نمایش و بررسی مسائل مطروحه در ریاضیات، آمار، فیزیک، مهندسی، و بسیاری از شاخه‌های علوم محاسباتی و پیچیدهٔ نوین اطلاق می‌شود.

در ادبیات تحلیل‌های چند متغیری اساسا به روش‌هایی که برای کاهش ابعاد استفاده می شود، روش های محوری یا روش‌های هندسی گفته می شود. کاهش ابعاد به دو دسته انتخاب ویژگی و استخراج ویژگی تقسیم می شود. در انتخاب ویژگی که در فضای اندازه گیری انجام می‌شود هدف پیدا کردن ویژگی های مطلوب از بین کل ویژگی‌های موجود است در حالی در استخراج ویژگی هدف انتقال ویژگی های انتخاب شده از فضای با ابعاد بیشتر به فضای با ابعاد کمتر و تعداد متغیر های کمتر می باشد.

انتخاب ویژگی‌ها

در این نگرش به دنبال زیرمجموعه‌ای از متغیرهای اصلی مساله (که ویژگی یا خصوصیت نیز نامیده می‌شوند) هستیم که بتواند به درستی نمونه‌های مساله را از هم تفکیک کند.

استخراج ویژگی‌ها

نوشتار اصلی: استخراج ویژگی

استخراج ویژگی (به انگلیسی: Feature extraction)‏ فرایندی است که در آن داده‌ها در فضای با بعد بالا به فضای با بعد کمتر نگاشت می‌شوند.این نگاشت می‌تواند خطی (مانند روش تحلیل مؤلفه‌های اصلی ) یا غیر خطی باشد.

جستارهای وابسته

• تقلیل گرایی
• پردازش تصاویر
• استخراج خصوصیات

منابع

• آنالیز داده‌های پرابعاد: نفرین‌ها و موهبت‌های ابعاد زیاد (انگلیسی)

• بینایی رایانه‌ای و سیستم‌های فازی - نورونی (انگلیسی)

• Gonzalez, R. C., and Woods, R. E. (2002), Digital Image Processing (2nd ed.), Prentice-Hall, Inc., ISBN 0-201-18075-8