تلفیق روش های خوشه بندی و جستجوی تصویر در تحلیل اعداد دست نویس

با پیشرفت های سریع علمی در عصر حاضر، مجموعه داده هایی با ابعاد بسیار بالا در کاربردهای متنوعیشامل تصویرسازی دیجیتالی، تحقیقات بیولوژیکی، ژنتیکی و برخی علوم مبتنی برتکنولوژی به وفور یافت می شوند.بر همین اساس ارائه روش های مناسب برای تحلیل خودکار، رده بندی و بازیابی اینگونه داده ها امری ضروری است.تلاش محققان در پی جستجوی نسل آینده الگوریتم های تحلیلی و ماشین های پردازشگر جدید نشان می دهد که اینالگوریتم ها باید دارای ابعاد کوچکتر و کارایی بسیار سریعتر از آنچه تاکنون تکامل یافته اند باشند، تا بتوانند به سرعتبر روی داده ها پردازش انجام دهند، آموزش ببینند، تفکر نمایند و به اصطلاح ماشین های پردازش شبه مغز باشند. یکیاز مواردی که جایگزینی آن بجای انسان احساس می شود تشخیص اعداد و حروفی است که نوشته یا ثبت می شوند.در راستای پاسخ به این نیاز، تمرکز اصلی تحقیق حاضر بر تلفیق دو حوزه ی خوشه بندی و جستجوی تصویر اعداددست نویس قرار گرفته است. به طور خاص، روشی برای دیداری سازی مناسب داده های بعدبالای دست نویس لاتینمعرفی می شود که تفکیک نمونه ها را تا حد زیادی آسان می کند.

fusion of clustering and projection pursuit methods in the analysis ofthe handwritten digits

with the rapid scientific progress in the new era, high-dimensional datasets areoften in various applications, including digital imaging, biological research, genetics, andsome technology-based sciences. accordingly, it is necessary to provide appropriate methodsfor automatic analysis, classification, and retrieval of such data. researchers’ effortsto find the next generation of analytical algorithms and new processing machines show thatthese algorithms must be smaller in size and much faster than they have ever evolved to beable to process, train, think, and think; be so-called pseudo brain processing machines. oneof the topics in which replacing humans is required is related to recognition of the numbersand letters that are written or recorded. to respond to this need, the main focus of the presentarticle is on fusion of the two areas of clustering and projection pursuit of handwritten digits.in particular, a method for proper visualization of high-dimensional data digits is introduced,which remarkably simplifies the separation of samples.