:: جلد 16، شماره 1 - ( 6-1401 ) ::
جلد 16 شماره 1 صفحات 252-239 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:   (2726 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 250 kb]   (1389 دریافت)    
نوع مطالعه: كاربردي و توسعه ای | موضوع مقاله: آمار کاربردی
دریافت: 1400/8/4 | پذیرش: 1401/6/10 | انتشار: 1401/5/11



XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 16، شماره 1 - ( 6-1401 ) برگشت به فهرست نسخه ها