طبقه بندی ارقام دست نوشته فارسی با استفاده از تجزیه مقدار تکین مرتبه بالا

حدود یک قرن است که از تجزیه های ماتریسی در تحلیل مجموعه عظیم داده ها استفاده می شود. داده ها اغلب یک ساختار چند بعدی دارند که تا حدودی سازماندهی آنها به بردارها و ماتریس ها غیرطبیعی است، زیرا در بسیاری از موارد استفاده از مجموعه داده ها بدون از بین بردن ساختار چند بعدی آنها مفید است. این ساختارهای چند بعدی را بوسیله تانسورها که تعمیمی از مارتیس های دو بعدی به ابعاد بالتر می باشند، می توان نشان داد. برای مثال یک ویدئو یک دنباله زمانی از تصاویر رنگی، دنباله ای از تانسورهای سه بعدی است که به همراه بعد زمان یک تانسور چهار بعدی را تشکیل می دهد. با تعمیم تجزیه های ماتریسی به تجزیه های تانسوری، این تجزیه ها در سال های اخیر به یکی از ابزارهای مهم برای کشف دانش پنهان در مجموعه داده ها تبدیل شده اند. تجزیه ها با ارائه یک پایه برای نمایش فضای داده ها علاوه بر صرفه جویی در مصرف حافظه به کشف معانی پنهان در داده ها کمک می کنند. یکی از روش های تجزیه تانسوری، تجزیه مقدار تکین مرتبه بالا (HOSVD) است که تعمیمی از تجزیه SVD ماتریس های می باشد. در این مقاله این تجزیه را معرفی و برخی ویژگی های آنرا بررسی می کنیم و سپس از آن در شناسایی ارقام دست نوشته فارسی استفاده می کنیم.