اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدمقارنة التصنيف المتعدد باستخدام طريقة المركبات الأساسية (PCA)وطريقة تحليل التمايز الخطي لفيشر (Fisher-LDA)
797
0 0
0.0
(
0
)
نشر من قبل
جامعة حلب أطروحة دكتوراه
تاريخ النشر
2017
مجال البحث
الاحصاء الرياضي
والبحث باللغة
العربية
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
مقارنة التصنيف المتعدد باستخدام طريقة المركبات الأساسية (PCA)وطريقة تحليل التمايز الخطي لفيشر (Fisher-LDA)
No English abstract
مراجعة الذكاء الصنعي:
ملخص البحث
تتناول هذه الأطروحة مقارنة بين طريقتين شائعتين في التصنيف الإحصائي: تحليل المركبات الأساسية (PCA) وتحليل التمايز الخطي لفيشر (Fisher-LDA). تهدف الدراسة إلى تحسين دقة التصنيف من خلال دمج الطريقتين واستخدام تقنيات إضافية مثل الشبكات العصبية الاصطناعية. تتكون الأطروحة من أربعة فصول، حيث يقدم الفصل الأول مقدمة عن التصنيف الإحصائي وأهم الطرق الخطية المستخدمة فيه، بما في ذلك تحليل التمايز الخطي والانحدار اللوجستي والشبكات العصبية وآلية متجه الدعم. في الفصل الثاني، يتم تناول تحليل المركبات الأساسية، بما في ذلك المفاهيم الرياضية والأدوات المستخدمة في التحليل. الفصل الثالث يركز على تحليل التمايز الخطي، مع شرح مفصل لتحليل فيشر الثنائي والمتعدد. الفصل الرابع يقدم تطبيقات عملية لتحليل المركبات الأساسية وتحليل التمايز الخطي، مع اقتراح خوارزميات جديدة لتحسين دقة التصنيف. تشمل النتائج الرئيسية تحسين دقة التصنيف باستخدام الخوارزميات المقترحة، وتقديم توصيات لاستخدام تقنيات إضافية مثل الشبكات العصبية وآلية متجه الدعم لتحسين التصنيف.
قراءة نقدية
تُعد هذه الأطروحة مساهمة قيمة في مجال التصنيف الإحصائي، حيث تقدم مقارنة شاملة بين طريقتين شائعتين وتقدم خوارزميات جديدة لتحسين دقة التصنيف. ومع ذلك، يمكن أن تكون هناك بعض النقاط التي تحتاج إلى مزيد من التوضيح. على سبيل المثال، قد يكون من المفيد تقديم تحليل أكثر تفصيلاً حول كيفية تأثير كل خوارزمية مقترحة على دقة التصنيف في سياقات مختلفة. كما أن الدراسة قد تستفيد من تطبيق الخوارزميات المقترحة على مجموعات بيانات متنوعة للتحقق من عموميتها. بالإضافة إلى ذلك، يمكن تعزيز الدراسة بمزيد من التحليل النظري لتوضيح الأسس الرياضية وراء الخوارزميات المقترحة.
أسئلة حول البحث
-
ما هو الهدف الرئيسي من هذه الأطروحة؟
الهدف الرئيسي هو مقارنة وتحسين دقة التصنيف باستخدام تحليل المركبات الأساسية وتحليل التمايز الخطي لفيشر، بالإضافة إلى تقديم خوارزميات جديدة لتحسين التصنيف.
-
ما هي الطرق الإحصائية الخطية التي تم تناولها في الأطروحة؟
تم تناول تحليل التمايز الخطي، الانحدار اللوجستي، الشبكات العصبية الاصطناعية، وآلية متجه الدعم.
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
تحسين دقة التصنيف باستخدام الخوارزميات المقترحة، وتقديم توصيات لاستخدام تقنيات إضافية مثل الشبكات العصبية وآلية متجه الدعم لتحسين التصنيف.
-
ما هي التوصيات التي قدمتها الدراسة لتحسين التصنيف؟
التوصيات تشمل مقارنة التصنيف باستخدام تحليل التمايز الخطي وغير الخطي، استخدام تحليل المركبات الأساسية غير الخطية مع تابع فيشر، الاستفادة من تقنيات الشبكات العصبية الاصطناعية وآلية متجه الدعم، واستخدام آلية متجه الدعم مع تحليل التمايز الخطي للحصول على تصنيف أفضل.
المراجع المستخدمة
Alpaydin, Ethen (2010). "Introduction to Machine Learning". MIT Press. p. 9.
قيم البحث
اقرأ أيضاً
قمنا في هذا البحث بدراسة خوارزمية من خوارزميات التصنيف غير المراقب تدعى خوارزمية التصنيف باستخدام عدد K من المتوسطات (K-means) فالخطوة الأساسية ليذه الخوارزمية ىي تحديد عدد K من العناقيد ثم
حساب المسافة بين مركز كل عنقود و عناصر الصورة ليتم تخصيص
هذه العناصر للعناقيد الأقرب بناء على قيمة مسافة مرجعية تدعى مسافة العتبة.
تتمّتع الخلايا الجذعية بقدرةٍ فريدة على التمايز إلى العديد من أنواع الخلايا التي تعوض بشكل طبيعي الفاقد من بعض خلايا الجسم و اللاحق لإصابة نسيجية. و يعد دم الحبل السري و نسيجه المصدرين الأهم للحصول على الخلايا الجذعية الموّلدة للدم HSCs و الخلايا الج
ذعية الميزنشيمية MSCs ,
على الترتيب، و يشكلان المادة الرئيسة في بنوك الخلايا الجذعية التي أسست في معظم أرجاء العالم و حديثاً جداً في سورية. مع ذلك، فقد
ركزت البحوث في منطقتنا بشكل رئيس على أساليب حفظ الخلايا و تجميدها مع القليل من الدراسات التي أُجريت لتحديد قدرة الخلايا المحفوظة على التمايز في الزجاج. هدف هذا البحث إلى اختبار القدرة الكامنة لخلايا جذعية
ميزنشيمية، معزولة من نسيج حبل سري بشري مأخوذ من ولادة قيصرية في مشفى التوليد الجامعي في دمشق و محفوظة بالتجميد، على التمايز لأنواع مختلفة من الخلايا استجابةً لعوامل نمو و تحريض نوعية لبعض النسائل
الخلوية.
الغاية من هذا المقال إلقاء الضوء على آلية ومراحل عمل نظام خبير , يقوم بتحديد انتماء وجه مدخل الى أي من تعابير الوجه الستة النموذجية وهي الغضب , الاشمئزاز , الخوف , السعادة , الحزن , الدهشة بالإضافة إلى الحالة الطبيعية .
وذلك بتطبيق خوارزمية تحليل ال
مكونات الأساسية PCA- principal component analysis , والمتعلقة بالعناصر الثلاث العين والحاجب والفم , خلافا للدراسات المعهودة في هذا المجال التي تعتمد على الوجه بالكامل.
هذه القيم الناتجة تستخدم في تحديد شعاع صفات الوجه كقيم لدخل الشبكة العصبونية , ويتم تدريب الشبكة العصبونية باستخدام خوارزمية الانتشار الخلفي . علما أن الوجوه المستخدمة تعود لأشخاص من أعمار وعروق مختلفة .
تهدف هذه الدراسة إلى المقارنة بين نماذج Arima وطريقة التمهيد الأسي بالتنبؤ في السلاسل الزمنية، كما نسلط الضوء على مفاهيم الأساسية الخاصة بمنهجية ARIMA وطريقة التمهيد الأسي.
ركزت الدراسة على التنبؤ بالسلاسل الزمنية ذات النطاق الضيق بين نقطة وأخرى ذات
نطاق واسع بالاضافة إلى استخدام أطوال مختلفة من فترات التنبؤ وقد تم استخدام معيار RMSE للمقارنة بين الطريقتين.
نقدم في هذه الورقة البحثية استراتيجية فعالة تقوم بحساب خطوات شبه مثالية لخوارزمية الICA الانكماشية المستندة إلى التمثيل الوسيطي للمنابع بالاعتماد على دورانات Givens, DelLR.
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
