سال انتشار: ۱۳۹۱

محل انتشار: چهارمین کنفرانس ملی تحلیل پوششی دادها

تعداد صفحات: ۳

نویسنده(ها):

محسن رستمی مال خلیفه – دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه ریاضی، تهران، ای
غلامرضا جهانشاهلو – دانشگاه تربیت معلم تهران، گروه ریاضی، تهران، ایران
فرهاد حسین زاده لطفی – دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه ریاضی، تهران، ای
احسان زنبوری – دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، گروه ریاضی، تهران، ای

چکیده:

روش های مختلفی برای کاهش بعد در حالتی که مجموعه داده ها دارای بعد بزرگی است ارایه شده و مقالات متعددی در این زمینه منتشر گردیده است. در این مقاله، نخست با ارائه ی یک مثال ضعف روش متداول PCA که جهت کاهش بعد به کار می رود بیان گردیده و سپس به معرفی روش ماگزیمم واریانس به کمک روند متعامد سازی گرام اشمیت می پردازیم. سپس با محاسبه پراکندگی تجمعی برای تعیین تعداد متغیرهای گرام اشمیت، به محاسبه ی کارایی می پردازیم با این تفاوت که به جای متغیرهای اصلی مسئله از متغیرهای گرام اشمیت استفاده می شود.