مقایسه عملکرد خوشه بندی داده های بعد بالا توسط روش تصویرهای تصادفی و برخی روش های مرسوم کاهش بعد
Publish place: Journal of Statistical sciences، Vol: 16، Issue: 1
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 134
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-16-1_012
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
امروزه مشاهدات اندازه گیری شده در بسیاری از حوزه های علمی، مثل علوم زیستی اغلب بعد بالا هستند، به این معنی که تعداد متغیرها از تعداد نمونه بیشتر است. یکی از مشکلاتی که در خوشه بندی مدل مبنای اینگونه داده ها رخ می دهد برآورد تعداد زیادی پارامتر است. برای رفع چنین مشکلی، ابتدا باید بعد داده ها را قبل از خوشه بندی کاهش داد که این امر می تواند از طریق روش های کاهش بعد انجام شود. یک رویکرد اخیر در این زمینه که مورد توجه فراوان قرار گرفته روش تصویرهای تصادفی است. در مقاله حاضر این روش از هر دو منظر نظری و کاربردی مورد بررسی قرار گرفته و برتری آن در مقایسه با برخی رویکردهای مرسوم کاهش بعد مانند تحلیل مولفه های اصلی و روش انتخاب متغیر در تحلیل سه مجموعه داده واقعی نشان داده شده است.
Keywords:
High Dimensional Data , Model-Based Clustering , Dimension Reduction Methods , Random Projections. , داده های بعد بالا , خوشه بندی مدل مبنا , روش های کاهش بعد , تصویرهای تصادفی.
Authors
موسی گلعلی زاده
Depatment of Statistics, Tarbiat Modares University
صدیقه نورانی
Depatment of Statistics, Tarbiat Modares University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :