تحلیل تشخیصی خطی فیشر برای داده های هواشناسی با استفاده از چارچوب فضاهای هیلبرت با هسته بازآفرین
محل انتشار: دوفصلنامه اندیشه آماری، دوره: 25، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 343
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISS-25-2_002
تاریخ نمایه سازی: 21 شهریور 1401
چکیده مقاله:
امروزه به موازات رشد روزافزون علم و فناوری، داده هایی با ماهیت تابعی به سهولت جمع آوری می شوند. از اینرو تحلیل آماری چنین داده هایی از اهمیت ویژه ای برخوردار شده است. همانند تحلیل های چند متغیره ترکیبات خطی از متغیرهای تصادفی نقشی کلیدی در تحلیل داده های تابعی دارند. در این میان نقش نظریه ی فضاهای هیلبرت با هسته ی بازآفرین بسیار حائز اهمیت است. در این مقاله، مفهومی عام از تحلیل تشخیصی خطی فیشر که توسط شین ( ۲۰۰۸ ) معرفی شده و تعمیمی از روش چند متغیره کلاسیک برای داده های تابعی است، مرور شده است. در این تعمیم یک نگاشت دوسویی که فرایند تصادفی نوع دوم را با فضای هیلبرت با هسته بازآفرین تولید شده بوسیله تابع کوواریانس درون رده ای ارتباط می دهد، بکار گرفته می شود. در نهایت داده های هواشناسی کشور در سال ۲۰۰۸ به منظور رده بندی اقلیمی مورد تجزیه و تحلیل قرار گرفته اند.
کلیدواژه ها:
Reproducing kernel Hilbert space ، linear discriminant analysis ، functional data ، second order stochastic processes. ، فضای هیلبرت با هسته بازآفرین ، تحلیل تشخیصی خطی ، داده های تابعی ، فرایند تصادفی مرتبه دوم
نویسندگان
محمدرضا فریدروحانی
Shahid Beheshti University
بهداد مصطفایی
Mohaghghegh Ardabili University
سیدمحمدابراهیم حسینی نسب
Shahid Beheshti University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :