%0 Journal Article %A Fotouhi, Hamidreza %A Golalizadeh, Mousa %T Improving Performance of the Principal Geodesic Analysis in Statistical Shape Analysis %J Journal of Statistical Sciences %V 6 %N 2 %U http://jss.irstat.ir/article-1-160-fa.html %R %D 2013 %K Principal Component Analysis, Principal Geodesic Analysis, Gradient Descent Algorithm, Non-Euclidean Shape Space., %X یکی از هدف های تحلیل آماری شکل، علاوه بر دستیابی به برآوردی از میانگین، برآورد واریانس شکل است، که از طریق تحلیل مولفه های اصلی قابل حصول است. به دلیل محدودیت استفاده از روش تحلیل مولفه اصلی برای مجموعه داده هایی از فضای اقلیدسی، این روش برای داده های آمار شکل که ماهیتا غیراقلیدسی هستند، قابل کاربرد نیست. در این حالت می توان از تحلیل ژئودزیک اصلی یا تقریب خطی آن به عنوان تعمیمی از تحلیل مولفه اصلی به فضای غیراقلیدسی استفاده نمود. از آنجا که اساس این روش مبتنی بر الگوریتم گرادیان نزول است، در این مقاله با آشکار ساختن چند ضعف عمده آن، الگوریتم جدیدی معرفی می شود که هم منجر به برآورد استوار میانگین شکل و هم حفظ ساختار هندسی شکل خواهد شد. سپس با ارائه جنبه های نظری روش تحلیل ژئودزیک اصلی، عملکرد آن در یک مطالعه شبیه سازی و یک مثال واقعی، مورد ارزیابی قرار خواهد گرفت %> http://jss.irstat.ir/article-1-160-fa.pdf %P 219-236 %& 219 %! Improving Performance of the Principal Geodesic Analysis in Statistical Shape Analysis %9 Research %L A-10-386-1 %+ Department of Statistics, Tarbiat Modares University, Tehran, Iran. %G eng %@ 1735-8183 %[ 2013