دانلود پاورپوینت مقاله آنالیز عناصر اصلی تنک مشترک

عنوان فارسی :

تحلیل مولفه های اصلی تنک مشترک

درسهای مرتبط:

  مهندسی صنایع

تعداد اسلاید : 30 فرمت : pptx
قابلیت چاپ و پرینت : دارد کیفیت طراحی : طلایی
سال طراحی : 1400 برای ارائه کلاسی مناسب است؟ بله
قابلیت ویرایش : دارد برای دفاعیه ارشد و دکتری مناسب است؟ بله
دریافت ترجمه مقاله این پاورپوینت : دانلود ترجمه مقاله مولفه اصلی تنک مشترک
پاورپوینت مهندسی صنایع
قیمت دانلود :
18,000 تومان
توضیحات

کاهش ابعاد یا بعدچندی، یک مسئله مهم در دسته بندی داده ها می باشد. هدف این کار، یادگیری یک ماتریس تبدیل برای افکنش داده های ابعاد زیاد به یک زیرفضای ابعاد کم است، بگونه ای که داده ها را بتوان بطور موثر در زیرفضای ابعاد کم، دسته بندی نمود. روش های بسیاری برای کاهش ابعاد وجود دارند و روش های کلاسیک، تحلیل مولفه های اصلی (PCA) و تحلیل ممیز خطی (LDA) می باشند. PCA یک روش بدون نظارتی است که اطلاعات داده ای را به یک فضای خطی متعامد، منتقل و تبدیل می کند. LDA یک روش نظارتی است که اطلاعات داده ای تبعیضی را با بیشینه سازی ماتریس پراکندگی بین کلاس، بیشینه می کند و در عین حال، ماتریس پراکندگی درون کلاس یا دسته را کمینه می کند.

این پاورپوینت در 30 اسلاید آماده شده و در ادامه نیز، اسلاید شماره 27 آن قرار داده شده است:

در این مقاله، JSPCA با سست سازی قید متعامد ماتریس تبدیل ، با معرفی ماتریس تبدیل دیگر  و تحمیل نرم های مشترک ℓ2,1 برروی هر دو جمله اتلاف و منظم سازی، طراحی می شود. روش پیشنهادی، آزادی بیشتری برای انتخاب مشترک ویژگی های مفید برای یک نمایش ابعاد کم دارد و در برابر برون هشته ها، مقاوم و استوار است. یک الگوریتم ساده و اما موثر برای مسئله بهینه سازی طراحی می شود. یک سری تحلیل نظری به بحث گذاشته می شوند که تعدادی ویژگی های ذاتی روش پیشنهادی را آشکار می کنند. در اصل، JSPCA، یک PCA وزنی همراه با تنکی است. اجراهای تجربی برروی هشت دیتاست بنچمارک، امکان پذیری و اثربخش بودن JSPCA در مقایسه با PCA اصلی و انواع آن را نشان می دهند.


دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود پاورپوینت مقاله آنالیز عناصر اصلی تنک مشترک”

نشانی ایمیل شما منتشر نخواهد شد.

یک × 1 =

مقالات ترجمه شده

مجوز نماد اعتماد الکترونیکی

پشتیبانی