مقایسه عملکرد خوشه بندی داده های بعد بالا توسط روش تصویرهای تصادفی و برخی روش های مرسوم کاهش بعد
محل انتشار: مجله علوم آماری، دوره: 16، شماره: 1
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 170
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-16-1_012
تاریخ نمایه سازی: 23 شهریور 1401
چکیده مقاله:
امروزه مشاهدات اندازه گیری شده در بسیاری از حوزه های علمی، مثل علوم زیستی اغلب بعد بالا هستند، به این معنی که تعداد متغیرها از تعداد نمونه بیشتر است. یکی از مشکلاتی که در خوشه بندی مدل مبنای اینگونه داده ها رخ می دهد برآورد تعداد زیادی پارامتر است. برای رفع چنین مشکلی، ابتدا باید بعد داده ها را قبل از خوشه بندی کاهش داد که این امر می تواند از طریق روش های کاهش بعد 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 بعد مانند تحلیل مولفه های اصلی و روش انتخاب متغیر در تحلیل سه مجموعه داده واقعی نشان داده شده است.
کلیدواژه ها:
High Dimensional Data ، Model-Based Clustering ، Dimension Reduction Methods ، Random Projections. ، داده های بعد بالا ، خوشه بندی مدل مبنا ، روش های کاهش بعد ، تصویرهای تصادفی.
نویسندگان
موسی گلعلی زاده
Depatment of Statistics, Tarbiat Modares University
صدیقه نورانی
Depatment of Statistics, Tarbiat Modares University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :