[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: ::
برگشت به فهرست مقالات برگشت به فهرست نسخه ها
مقایسه عملکرد خوشه‌بندی داده‌های بُعد بالا توسط روش تصویرهای تصادفی و برخی روش‌های مرسوم کاهش بُعد
موسی گلعلی زاده*، صدیقه نورانی
چکیده:   (658 مشاهده)
 امروزه  مشاهدات اندازه‌گیری شده در بسیاری از حوزه‌های علمی، مثل علوم زیستی اغلب بُعد بالا هستند، به این معنی که تعداد متغیرها از تعداد نمونه بیشتر است. ‌یکی از مشکلاتی که در خوشه‌بندی مدل‌مبنای اینگونه داده‌ها رخ می‌دهد برآورد تعداد زیادی پارامتر است. برای رفع چنین مشکلی، ابتدا باید بُعد داده‌ها را قبل از خوشه‌بندی کاهش داد که این امر  می‌تواند از طریق روش‌های کاهش بُعد 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 بُعد مانند تحلیل مولفه‌های اصلی و روش انتخاب متغیر  در تحلیل سه مجموعه داده‌ واقعی نشان داده شده است. 
واژه‌های کلیدی: داده‌های بُعد بالا، خوشه‌بندی مدل‌مبنا، روش‌های کاهش بُعد، تصویرهای تصادفی.
متن کامل [PDF 3985 kb]   (273 دریافت)    
نوع مطالعه: كاربردي و توسعه ای | موضوع مقاله: آمار کاربردی
دریافت: 1400/8/4 | پذیرش: 1401/6/10
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
برگشت به فهرست مقالات برگشت به فهرست نسخه ها
مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences

Persian site map - English site map - Created in 0.05 seconds with 30 queries by YEKTAWEB 4414