DOI

Использование традиционных методов алгебраической топологии для получения информации о форме объекта связано с проблемой формирования малого количества информации: чисел Бетти и характеристик Эйлера. Центральным инструментом топологического анализа данных является метод персистентной гомологии, который суммирует геометрическую и топологическую информацию в данных с использованием персистентных диаграмм и баркодов. На основе методов персистентной гомологии может быть выполнен анализ топологических данных для получения информации о форме объекта. Построение персистентных баркодов и персистентных диаграмм в вычислительной топологии не позволяет построить гильбертово пространство со скалярным произведением. Возможность применения методов топологического анализа данных основана на отображении персистентных диаграмм в гильбертово пространство; одним из способов такого отображения является метод построения персистентного ландшафта. Его преимущества заключаются в том что он обратим, поэтому он не теряет никакой информации, и имеет свойства персистентности. В работе рассматриваются математические модели и функции представления объектов персистентного ландшафта на основе метода персистентной гомологии. Рассмотрены методы преобразования персистентных баркодов и персистентных диаграмм в функции персистентного ландшафта.
Переведенное названиеFORMATION OF MACHINE LEARNING FEATURES BASED ON COMPUTATIONAL TOPOLOGY METHODS
Язык оригиналаРусский
Страницы (с-по)89-99
Число страниц11
ЖурналМатематические структуры и моделирование
Номер выпуска4 (64)
DOI
СостояниеОпубликовано - 2022

    Уровень публикации

  • Перечень ВАК

ID: 39240793