| کارکردی از روش کاهش بعد غیرخطی بر اساس همسایگی مکانی |
| کد مقاله : 1016-SPATIAL (R2) |
| نویسندگان |
|
رها بهزادی فرد *، موسی گلعلی‌زاده دانشگاه تربیت مدرس |
| چکیده مقاله |
| امروزه حجم انبوهی از داده‌های بُعد بالا که در آن‌ها تعداد متغیرها بیشتر از تعداد نمونه‌ها است، در حوزه‌های مختلف از جمله علوم زیستی و تصویربرداری پزشکی تولید می‌شود. روش‌های کلاسیک آماری در تحلیل این داده‌ها با نارسایی‌هایی روبه‌رو هستند. در این بین، کاهش بعد به عنوان راهکاری برای تسهیل تحلیل آماری داده‌های بعد بالا شناخته می‌شود. انتخاب روش کاهش بعد متناسب با ساختار داده می‌تواند تأثیر به‌سزایی در عملکرد مدل‌های آتی داشته باشد. نگاشت و تقریب یکنواخت منیفلد و تحلیل مولفه‌های اصلی مبتنی بر هسته دو روش کاهش بعد غیرخطی هستند که از قابلیت همسایگی مکانی داده بهره می‌برند. در مقاله حاضر، ابتدا به توضیح مختصر این دو روش پرداخته و سپس عملکرد آن‌ها در رده‌بندی تعدادی تصاویر پزشکی برای تشخیص سرطان با یکدیگر و همچنین با روش مرسوم کاهش بعد خطی مقایسه می‌شوند. |
| کلیدواژه ها |
| یادگیری منیفلد، تحلیل مولفه‌های اصلی، داده‌های بُعد بالا، رده‌بندی تصاویر پزشکی، همسایگی مکانی. |
| وضعیت: پذیرفته شده برای ارائه شفاهی |