ارایه ی الگوریتمی نوین برای کاهش ابعاد غیرخطی مجموعه داده های عددی، مصورسازی داده و تشخیص ناهنجاری

امروزه اکثر دادگانی که در عمل مشاهده میشوند دارای ابعاد بالایی هستند. تحلیل این دادهها برای انسان کار آسانی نیست. به خاطر همین، روشهایی که بتوانند یک مجموعه دادهی ابعاد بالا را در ابعاد پایین تر که برای انسان قابل درک است بازنمایی کنند، مورد توجه هستند. مصورسازی دادهها به درک و شناخت بهتر دادهها کمک شایانی میکند. ولی مصورسازی دادههای ابعاد بالا همواره چالش برانگیز بوده است. تشخیص دادههای ناهنجار به دلایل مختلف در عمل مورد توجه بوده اند. دادههای ناهنجار از توزیع کلی حاکم بر داده ها پیروی نکرده و با بقیه ی داده ها فرق دارند. روشهایی که چنین داده هایی را تشخیص بدهند و متناسب با میزان ناهنجار بودنشان، یک ضریب ناهنجاری به آنها اختصاص دهند عملا ارزشمندند. در این نوشتار، الگوریتمی پیشنهاد میشود که توانایی کاهش غیرخطی ابعاد، مصور سازی و تشخیص ناهنجاری در دادهها را دا شته و به دو صورت محلی و سرا سری، به دادهها ضریب ناهنجاری اختصاص میدهد.