| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
ترکیب اطلاعات نظارت شده با PCA از طریق انتخاب مولفه های تشخیصی |
| عنوان انگلیسی مقاله: |
Combined supervised information with PCA via discriminative component selection |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | مهندسی الگوریتم و محاسبات، مهندسی نرم افزار و هوش مصنوعی |
| مجله | اسناد پردازش اطلاعات |
| دانشگاه | وزارت آموزش و پرورش، آزمایشگاه های کلیدی قابل اعتماد خدمات کامپیوتر در سایبر فیزیکی جامعه، چونگ کینگ، چین |
| کلمات کلیدی | الگوریتم ها، طراحی الگوریتم ها، تحلیل مولفه های اصلی (PCA)، تشخیص چهره، تحلیل تشخیصی خطی (LDA)، تحلیل آماری چندمتغیره |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 10 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. مقدمه
2. روش
3. مثالهای اسباب بازی
4. آزمایشات
5. نتیجه گیری
- بخشی از ترجمه:
5. نتیجه گیری
در اینجا، روش جدیدی برای بهره گیری از اطلاعات نظارت شده با الگوریتم های PCA مطرح می کنیم. در مقایسه با راههای سنتی، روش پیشنهادی از برچسب های کلاس برای انتخاب مولفه های تشخیصی از کل PC استفاده کرده و آنها را به صورت پیش بینی های جدید PCA حاصل می کنیم. به واسطه موفقیت های LDA و انتخاب ویژگی مبتنی بر نمره فیشر، از معیار فیشر برای ارزیابی توانایی تشخیص هر مولفه استفاده می کنیم. پس از ارزیابی، هر مولفه اطمینانی به نام نمره فیشر بدست می آورد که توان تشخیص مولفه ( توان تشخیصی) را نشان می دهد. بنابراین، می توان این مولفه ها را مجدداً طبق نمرات فیشرشان رتبه بندی و تشخیصی ترین مولفه ها را انتخاب نمود. حسن اصلی روش پیشنهادی آن است که ساختارهای اصلی مولفه ها را نقض نمی کند. به این دلیل، سمنتیک (معنای) مولفه ها را می توان حفظ نمود. ظاهراً، روش پیشنهادی نه تنها در الگوریتم های PCA بلکه همچنین در سایر الگوریتم های آماری چند متغیره غیرنظارت شده (بدون ناظر) کاربرد دارد.
- بخشی از مقاله انگلیسی:
5. Conclusion
In this letter, we present a novel methodology to incorporate the supervised information with PCA algorithms. Different to the traditional ways, our method utilize the class labels to select discriminative components from whole PCs and yield them as a new PCA projections. Motivated by the successes of LDA and fisher score based feature selection, we use the fisher criterion to evaluate the discriminative ability of each component. After evaluation, each component will obtain a confidence named fisher score which indicates the discriminating power of the component. Therefore, we can re-rank these components according to these fisher scores and select the most discriminative components. The main advantage of our method is that it doesn’t break the original structures of components. For this reason, the semantics of the components can be kept. Apparently, our method is not only general to PCA algorithms but also general to the other unsupervised multivariate statistical algorithms.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
ترکیب اطلاعات نظارت شده با PCA از طریق انتخاب مولفه های تشخیصی |
| عنوان انگلیسی مقاله: |
Combined supervised information with PCA via discriminative component selection |
|
|