تشخیص داده های دورافتاده دایره ای با استفاده از یک مدل آمیزاه ای از توزیع های فون میزس
Publish place: Journal of Advanced Mathematical Modeling، Vol: 8، Issue: 1
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 156
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JAMFN-8-1_001
Index date: 7 November 2023
تشخیص داده های دورافتاده دایره ای با استفاده از یک مدل آمیزاه ای از توزیع های فون میزس abstract
داده های دایره ای نوعی از داده های جهتی با دوره تناوبی مشخص هستند. به دلیل اینکه وجود داده های دور افتاده استنباط های آماری راجع به پارامترهای مدل های رگرسیون دایره ای را نامعتبر خواهد کرد، بررسی وجود آنها در تحلیل این مدل ها نیازمند توجه ویژه ای است. روش های متنوعی برای مدل بندی ساختار مجموعه داده ها شامل مشاهدات دور افتاده وجود دارد که به کارگیری مدل آمیزه ای یکی از مهمترین آنهاست. در این مقاله علاوه بر مطالعه یکی از روش های مدل های رگرسیون دایره ای، به عنوان ایده پژوهشی جدید نحوه به کارگیری مدل آمیزه ای از توزیع های فون میزس برای تعیین داده های دورافتاه در این مدل تشریح می شود. برای برآورد پارامترهای مدل مذکور از الگوریتم EM استفاده خواهد شد. عملکرد مدل پیشنهادی با استفاده از مطالعات شبیه سازی بررسی و سپس از ماتریس درهم ریختگی برای ارزیابی اعتبار برازش مدل کمک گرفته می شود. به علاوه، روش های پیشنهادی در تحلیل داده های جهت موج سواحل استان بوشهر مورد استفاده قرار می گیرد.
تشخیص داده های دورافتاده دایره ای با استفاده از یک مدل آمیزاه ای از توزیع های فون میزس Keywords:
تشخیص داده های دورافتاده دایره ای با استفاده از یک مدل آمیزاه ای از توزیع های فون میزس authors
موسی گل علی زاده
گروه آمار، دانشگاه تربیت مدرس
خدیجه عبدی
گروه آمار، دانشگاه تربیت مدرس
تابان باغفلکی
گروه آمار، دانشگاه تربیت مدرس
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 :