محسن رستمی مال خلیفه - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه ریاضی، تهران، ای
غلامرضا جهانشاهلو - دانشگاه تربیت معلم تهران، گروه ریاضی، تهران، ایران
فرهاد حسین زاده لطفی - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه ریاضی، تهران، ای
احسان زنبوری - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه ریاضی، تهران، ای

روش های مختلفی برای کاهش بعد در حالتی که مجموعه داده ها دارای بعد بزرگی است ارایه شده و مقالات متعددی در این زمینه منتشر گردیده است. در این مقاله، نخست با ارائه ی یک مثال ضعف روش متداول PCA که جهت کاهش بعد به کار می رود بیان گردیده و سپس به معرفی روش ماگزیمم واریانس به کمک روند متعامد سازی گرام اشمیت می پردازیم. سپس با محاسبه پراکندگی تجمعی برای تعیین تعداد متغیرهای گرام اشمیت، به محاسبه ی کارایی می پردازیم با این تفاوت که به جای متغیرهای اصلی مسئله از متغیرهای گرام اشمیت استفاده می شود.

تحلیل پوششی داده ها، کارایی، گرام اشمیت، ماگزیمم واریانس