Tekil değer ayrışımına dayalı ön koşullamanın sıkıştırmalı sınıflamaya etkisi

Dünyada depolanmakta ve işlenmekte olan veri miktarının hızla artması nedeniyle, veri saklama ve veriden bilgi üretimi alanlarında yenilikçi çözümlere her geçen gün daha fazla gereksinim duyulmaktadır; Sıkıştırmalı Örnekleme (SÖ) ve Sıkıştırmalı Sınıflama (SS) sırasıyla her iki alan için çözüm sunan iki yaklaşımdır. Veriden sınıflama yoluyla bilgi edinilmesinde SS kullanımı, sınıflamanın doğrudan SÖ ile elde edilen ölçüm uzayında gerçekleştirilebilmesini sağladığı için işlem yükünü düşürür. SÖ, Shannon örnekleme teoreminde gerek duyulan miktardan daha az sayıda örnekle kayıpsız bir geri çatımı yüksek olasılıkla mümkün kılmakta olup, kullanılan ölçüm matrisine Ön koşullama (ÖK) uygulanmasıyla geri çatım için gerekli örnek sayısı, dolayısıyla saklanması gereken veri miktarı daha da azaltılabilmektedir. SÖ’de ölçüm matrisi olarak, ölçüm matrisinden Tekil Değer Ayrışımı (TDA) ile türetilen matrisin kullanımının geri çatım başarımına katkısı literatürde salt deneysel olarak incelenmiştir. Bu çalışmada, literatürde bir ilk olarak, TDA’ya dayalı söz konusu yaklaşımın bir ÖK olduğu (TDA-ÖK) ve SÖ’de geri çatım için gerekli örnek sayısını düşüreceği analitik olarak gösterilmiş olup, bu bulguya ilişkin iki farklı Monte Carlo (MC) benzetimi gerçekleştirilmiştir. Benzetimlerle desteklenen TDA-ÖK başarımı deneysel olarak da iki farklı veri kümesi üzerinde ve üç farklı sınıflayıcı kullanılarak gerçekleştirilen SS uygulamaları ile değerlendirilerek, TDA-ÖK kullanımının SS başarımına etkisi yine literatürde ilk defa bu çalışmada incelenmiştir.