fa مقایسه عملکرد خوشه‌بندی داده‌های بُعد بالا توسط روش تصویرهای تصادفی و برخی روش‌های مرسوم کاهش بُعد آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <div style="text-align: justify;">&nbsp;امروزه &nbsp;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 &nbsp;می‌تواند از طریق روش‌های کاهش بُعد انجام شود. یک رویکرد اخیر &nbsp;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 &nbsp;مورد بررسی قرار گرفته و برتری آن در مقایسه با برخی رویکردهای مرسوم کاهش بُعد مانند تحلیل مولفه‌های اصلی و روش انتخاب متغیر &nbsp;در تحلیل سه مجموعه داده‌ واقعی نشان داده شده است.&nbsp;</div> <div style="text-align: justify;">Nowadays, the observations in many scientific fields, including biological sciences, are often high dimensional, meaning the number of variables exceeds the number of samples. One of the problems in model-based clustering of these data types is the estimation of too many parameters. To overcome this problem, the dimension of data must be first reduced before clustering, which can be done through dimension reduction methods. In this context, a recent approach that is recently receiving more attention is the random Projections method. This method has been studied from theoretical and practical perspectives in this paper. Its superiority over some conventional approaches such as principal component analysis and variable selection method was shown in analyzing three real data sets.</div> داده‌های بُعد بالا, خوشه‌بندی مدل‌مبنا, روش‌های کاهش بُعد, تصویرهای تصادفی. High Dimensional Data, Model-Based Clustering, Dimension Reduction Methods, Random Projections. 239 252 http://jss.irstat.ir/browse.php?a_code=A-10-108-10&slc_lang=fa&sid=1 Mousa Golalizadeh موسی گلعلی زاده golalizadeh@modares.ac.ir 10031947532846007344 10031947532846007344 Yes Depatment of Statistics, Tarbiat Modares University گروه آمار، دانشگاه تربیت مدرس Sedigheh Noorani صدیقه نورانی sedighehnoorani76@gmail.com 10031947532846007345 10031947532846007345 No Depatment of Statistics, Tarbiat Modares University گروه آمار، دانشگاه تربیت مدرس