>
Fa   |   Ar   |   En
   حذف افزونگی داده‌های خام از مجموعه داده‌ها، با استفاده از تحلیل مولفه‌های اصلی ‌تُنُک  
   
نویسنده شریفی نجف آبادی علی اصغر ,ترکمنی آذر فرح
منبع ماشين بينايي و پردازش تصوير - 1398 - دوره : 6 - شماره : 1 - صفحه:19 -30
چکیده    تحلیل مولفه‌های اصلی یکی از روش‌های مطرح به منظور کاهش ابعاد مجموعه داده است که برای داده‌های یک بُعدی و دوبُعدی قابل استفاده است. با توجه به تُنُک نبودن بردارهای پایه‌، تحلیل مولفه‌های اصلی تُنُک مطرح گردیده است که با حفظ خواص تحلیل مولفه‌های اصلی استاندارد، بعضی از درایه‌های بردارهای پایه را صفر می‌کند. در این مقاله، با توجه به خاصیت تُنُکی بردارهای پایه، که سبب بی تاثیر گشتن بعضی از مقادیر مجموعه داده در انتقال به فضای جدید می گردد، دو آلگوریتم به منظور حذف افزونگی از داده‌های خام، در حالت یک بُعدی و دوبُعدی ارائه شده‌است. در الگوریتم یک بُعدی، افزونگی بین درایه های سیگنال تشخیص و سپس از تمامی مشاهدات مجموعه حذف می‌شوند. در الگوریتم دوبُعدی اهمیت سطر وستون‌های تصاویر مجموعه داده، تشخیص و سطر وستون‌های با اهمیت کمتر به طور مستقیم از داده‌های خام حذف می‌شوند. یکی از مهمترین مزیت آلگوریتم های پیشنهادی که به عنوان روش های نمونه برداری غیریکنواخت نیز میتوانند خوانده شوند، حفظ ظاهر سیگنال ها می باشد. پس از حذف افزونگی داده‌های خام توسط دو الگوریتم ارائه شده، می‌توان از داده‌های جدید با ابعاد کمتر در کاربردهای دیگری همچون بازشناسی مجموعه داده، فشرده سازی و ... استفاده کرد
کلیدواژه حذف افزونگی از داده‌های خام، تحلیل مولفه‌های اصلی تُنُک، تحلیل مولفه‌های اصلی دوبُعدی دوطرفه تُنُک، استخراج ویژگی
آدرس دانشگاه شهید بهشتی, ایران, دانشگاه شهید بهشتی, دانشکده مهندسی برق, آزمایشگاه پردازش سیگنال های دیجیتال, ایران
پست الکترونیکی f-torkamani@sbu.ac.ir
 
 

Copyright 2015
Islamic World Science Citation Center
All Rights Reserved