تجزیه نامنفی ماتریس و کاربرد آن در پردازش داده ها

تجزیه نامنفی ماتریس

تجزیه نامنفی ماتریس روش بسیار مفیدی برای تقریب داده های با ابعاد بالاست که دارای مولفه های نامنفی هستند. این تجزیه در زمینه های بسیاری چون یافتن بردارهای پایه تصویر، خوشه بندی اسناد متنی و غیره کاربرد دارد. در این پایان نامه به بررسی برخی از الگوریتم های موجود برای آن از جمله روش تصویر گرادیان، روش نقطه درونی بر مبنای گرادیان و روش تصویر یکنواخت برزیلای ـ بوروین بر اساس چارچوب کمترین مربعات نام...

پردازش گراف های داده ای به وسیله مدل های وفقی و کاربرد آن در پردازش تصاویر

تحلیل حساسیت و کاربرد آن در تحلیل پوششی داده ها

تجزیۀ نامنفی ماتریسی: روشی برای تحلیل داده های نامنفی

اخیراً روش جدیدی با نام تجزیۀ نامنفی ماتریسی برای نمایش خطی داده های نامنفی پیشنهاد شده است که علاوه بر کاهش تعداد داده ها، محدودیت روش های کلاسیک را ندارد. در این روش، ماتریس بزرگِ متناظر با  داده های نامنفی به دو ماتریس نامنفی کوچک تجزیه می شود. در این مقاله، ابتدا روش های کلاسیک را مرور می کنیم. سپس تجزیۀ نامنفی ماتریسی با نسخه های مختلف آن معرفی و مسائل مهم داده کاوی مانند رده بندی و خوشه بند...

تحلیل خوشه بندی برای داده بیان ژن با استفاده از تجزیه ماتریس نامنفی

امروزه حجم عظیمی از مطالعات پزشکی در جهت شناسایی و درمان بیماری هایی است که از طریق ژن منتقل می شود. برای بررسی و نگهداری اطلاعات ژنتیکی، فناوری های مفیدی به وجود آمده است که یکی از ‎‎‎آن ها‏، فناوری ریزآرایه می باشد. تجزیه و تحلیل اطلاعات به دست آمده از ریزآرایه ها به کمک روش های داده کاوی انجام می شود. یکی از این روش ها خوشه بندی است که می تواند در یافتن گروه های واقعی و نهفته در داده ها موثر...

اهمیت پردازش داده ها

داده های گردآوری شده قبل از هر نوع تحلیلی باید آماده سازی شوند. بنا بر این ویرایش، کدگذاری، ورود داده ها به رایانه، تعریف داده ها و طبقه بندی از جمله مراحلی می باشند که باید قبل از تحلیل داده ها انجام گیرند. این مراحل تحت عنوان پردازش داده نامیده می شود. بنا بر این همواره پردازش و آماده سازی داده ها مقدم بر تحلیل آن ها بوده و هر نوع سهل انگاری در این مرحله می تواند نتایج و یافته های پژوهش را تح...