فروشگاه جامع تحقیقات و مقالات

معرفی singular value decomposition (SVD)

این مقاله مفهوم فاکتورگیری یک ماتریس را بر پایه تجزیه مقدار منفرد (SVD) توضیح می دهد و درباره روش هایی بر روی ماتریس های متقارن مربعی مانند تجزیه طیفی (spectral decomposition) بحث می کند.تکنیک تجزیه مقدار منفرد (SVD)٬ جهت حل سیستم های معادلات خطی شرح داده شده است.

تکنیک (SVD)  بهترین روش برای کاهش ابعاد داده به صورت خطی می­باشد. یعنی با حذف ضرایب کم­اهمیت بدست آمده از این تبدیل، اطلاعات از دست رفته نسبت به روشهای دیگر کمتر است. البته کاربرد  (SVD) محدود به کاهش ابعاد داده نمی­شود و در زمینه­های دیگری مانند شناسایی الگو و تشخیص چهره نیز مورد استفاده قرار می­گیرد.

 در این روش محورهای مختصات جدیدی برای داده­ها تعریف شده و داده­ها براساس این محورهای مختصات جدید بیان می­شوند. اولین محور باید در جهتی قرار گیرد که واریانس داده­ها ماکسیمم شود (یعنی در جهتی که پراکندگی داده­ها بیشتر است). دومین محور باید عمود بر محور اول به گونه­ای قرار گیرد که واریانس داده­ها ماکسیمم شود. به همین ترتیب محورهای بعدی عمود بر تمامی محورهای قبلی به گونه­ای قرار می­گیرند که داده­ها در آن جهت دارای بیشترین پراکندگی باشند.


اشتراک بگذارید:


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 9,000 تومان
عملیات پرداخت با همکاری بانک انجام می شود
کدتخفیف:

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
svd_621199_2746.zip247.5k





بررسی جنبه های مختلف تشخیص آنومالی و کاربردهای آن

تشخیص آنومالی ها یک مسئله مهم است که در سطوح مختلف پژوهشی و حوزه های کاربردی مطالعه می شود . در بسیاری از تکنیک های تشخیص آنومالی به طرز ویژه ای برای حوزه های کاربردی مخصوص گسترش یافته درحالیکه سایر تکنیک ها اکثرا عمومی هستند . هدف این مقاله و تحقیق این است که یک خلاصه ساخت یافته و جامع از تحقیقات و پژوهش های مرتبط با تشخیص آنومالی ارائه دهد . ما تکنیک های موجود را بر اساس روش های پذیرفته شده ...

توضیحات بیشتر - دانلود 10,000 تومان