دانلود مقالات ISI درباره تحلیل مولفههای اصلی یا PCA + ترجمه فارسی
Principal Component Analysis
آشنایی با موضوع
تحلیل مولفههای اصلی (Principal Component Analysis - PCA)، روشی آماری است که غالبا برای بررسی گروهی از متغیرهای همبسته بکار می رود. مهم ترین کاربردهای این روش را می توان در تجزیه و تحلیل نماگرهای چندگانه، اندازه گیری و شناخت ساختارهای پیچیده، شاخص سازی و کاهش ابعاد داده ها جستجو نمود. ادامه مطلب را ببینید. . . این روش خصوصا در شرایطی که ابعاد داده ها و ترکیب ساختار آنها کاملا مشخص نیست مفید می باشد. سالهاست که این روش در علوم مختلف خصوصا در حوزه آنالیز داده های ژنومی استفاده های زیادی می شود. یکی از کاربردهای عمده این روش در مبحث ژنومی یافتن ساختار ارتباطی بین متغیرها است که در حقیقت همان کلاستربندی متغیرها می باشد. جهت بررسی ساختار جمعیت های مورد مطالعه آنالیزPCA بر اساس همه اطلاعات نشانگرهای در دسترس مورد ارزیابی قرار می گیرد. در واقع روشی از آنالیزهای چند متغیره آماری است که تعداد کمتری از عوامل را بنام مولفه های اصلی از میان عوامل اولیه گزینش می کند، به طوریکه تعدادی از اطلاعات کم اهمیت حذف می شوند. اولین مولفه اساسی استخراج شده، بیشترین مقدار پراکندگی داده ها را در کل مجموعه داده ها در نظر می گیرد. این امر بدان معنی است که اولین مولفه حداقل با تعدادی از متغیرها همبسته است. دومین مولفه استخراج شده دو ویژگی مهم دارد، اول اینکه این مولفه بیشترین مجموعه داده ها که توسط مولفه اول محاسبه نشده است را در نظر می گیرد و دوم اینکه با مولفه اول همبستگی ندارد. به عبارتی،بدون در نظر گرفتن مولفه ی قبلی، با گذر از مولفه ی ابتدایی به سمت مولفه های انتهایی هر مولفه واریانس کمتری را تشریح می کند. یعنی همیشه مولفه ی اصلی اول بیشترین مقدار واریانس و مولفه های اخر کمترین واریانس را شرح می دهند که در این صورت با حذف مولفه های اخر اطلاعات زیادی از دست نخواهد رفت.
تحلیل مولفه های اصلی یکی از روش های کلاسیک چند متغیره و شاید قدیمی ترین و معروف ترین آنها باشد. این روش ابتدا بوسیله Pearson (1901) به عنوان وسیلهای برای برازاندن صفحات از طریق حداقل مربعات متعامد معرفی شد و مستقلاً به وسیله Hotelling (1933) به منظور تجزیه و تحلیل ساختارهای ماتریس های واریانس – کواریانس و ضریب همبستگی توسعه داده شد. مثل بسیاری از روش های چند متغیره تا قبل از اختراع رایانه ها به دلیل پیچیدگی در محاسبات به طور گسترده ای مورد استفاده واقع نشد. بعد از آن از دیدگاه تئوری و کاربرد به طور وسیعی توسعه پیدا کرده و بکار برده شد.
استفاده از تحلیل مولفههای اصلی منوط به فرض هایی است که در نظر گرفته میشود. از جمله: فرض خطی بودن، فرض بر این که میانگین و کواریانس از نظر احتمالاتی قابل اتکا هستند و فرض بر این که واریانس شاخصه اصلی داده است.
در این صفحه تعداد 5118 مقاله تخصصی درباره تحلیل مولفههای اصلی یا PCA که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید. در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI تحلیل مولفههای اصلی یا PCA (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند. در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Keywords: تحلیل مولفههای اصلی یا PCA; Targeted metabolomics; Plasma EDTA; Plasma citrate; Serum; Sarcosine; AbsoluteIDQ p180 kit biocrates; LC-MS; liquid chromatography mass spectrometry; CHRIS; Cooperative Health Research In South Tyrol; FIA; flow-injection analysis; SOPs; standard operating
Keywords: تحلیل مولفههای اصلی یا PCA; Life cycle assessment; Seismic analysis; Performance-based design; Economic input-output; Principal component analysis; Energy and climate change; Architectural Engineering; Buildings;
Keywords: تحلیل مولفههای اصلی یا PCA; Healthcare needs and demand; Healthcare markets; Medical equipment; Principal component analysis; CT; Computed Tomography; MRI; Magnetic Resonance Imaging; PACS; Picture Archiving and Communication System; OECD; Organization for Economic Co-operation and
Keywords: تحلیل مولفههای اصلی یا PCA; ASD; autism spectrum disorders; CV; coefficient of variation; CV-ANOVA; cross-validation analysis of variance; ESI; electrospray ionization; GC-MS; gas chromatography coupled to mass spectrometry; 1H NMR and 1H-13C NMR; nuclear magnetic resonance of pro
Keywords: تحلیل مولفههای اصلی یا PCA; EC; electrical conductivity; LSD; least significant difference; m.a.s.l.; meters above the sea level; MSW; municipal solid wastes; NW; Northwest; OM; organic matter; PC; principal component; PCA; principal component analysis; PFRPs; process to further red
Keywords: تحلیل مولفههای اصلی یا PCA; amniotic fluid; children; metabolomic analysis; pediatric pulmonology; AUCpred; Area under the ROC curve of the outcome predicted for the samples; ESI; Electrospray ionization; LC-MS; Liquid chromatography mass spectrometry; oCPLS2-DA; Orthogonally constr
Keywords: تحلیل مولفههای اصلی یا PCA; CO2; Carbon dioxide; F/B; Ratio of fungi to bacteria; C; Carbon; N; Nitrogen; TDR; Time domain reflectometry; PVC; Polyvinyl chloride; SR; Soil respiration; Q10; increased soil respiration rate per 10â¯Â°C increase in soil temperature; EOC; Extractable o
Keywords: تحلیل مولفههای اصلی یا PCA; Diversification; Farm typology; Livelihood strategies; Principal component analysis; Stochastic production frontier;
Keywords: تحلیل مولفههای اصلی یا PCA; SOC and LOC; soil and litter organic carbon; STN and LTN; soil and litter total nitrogen; STP and LTP; soil and litter total phosphorus; SCN and LCN; soil and litter C:N ratio; SCP and LCP; soil and litter C:P ratio; SNP and LNP; soil and litter N:P ratio
Keywords: تحلیل مولفههای اصلی یا PCA; System identification; Smart composite laminate; Sensor debonding failure; Principal component analysis; Piezoelectric;
Keywords: تحلیل مولفههای اصلی یا PCA; Ball milling; Principal component analysis; Total friction energy; Discrete element method; Electron spin resonance;
Keywords: تحلیل مولفههای اصلی یا PCA; Data-driven transform; RECOS transform; Saak transform; The Karhunen-Loéve transform (KLT); Linear subspace approximation; Principal component analysis;
Keywords: تحلیل مولفههای اصلی یا PCA; NIR; near infrared spectroscopy; MIR; mid infrared spectroscopy; MLV; multilamellar vesicles; PCA; Principal Component Analysis; PC; principal component; nw; number of water molecules per lipid; nw´; steric number of water molecules per lipid; RMSEP; Roo
Keywords: تحلیل مولفههای اصلی یا PCA; Best Available Technique; BAT performance assessment; IED; Random forest; BAT; Best Available Technique; BREF; BAT Reference document; EPLI; Environmental Performance Level Indicator; HC; Hierarchical Clustering; IED; Industrial Emission Directive; EIPPCB
Keywords: تحلیل مولفههای اصلی یا PCA; Disintegration patterns; Microcrystalline cellulose (MCC) tablet; Synchrotron radiation X-ray microcomputed tomography (SR-μCT); Principal component analysis (PCA); API; Active Pharmaceutical Ingredient; ANOVA; Analysis of Variance; AS; Area of Surface;
Keywords: تحلیل مولفههای اصلی یا PCA; Iris recognition; Local feature; Phase intensive local pattern; Density-based spatial clustering; Feature reduction; DBSCAN; Density-Based Spatial Clustering of Applications with Noise; LDA; Linear Discriminant Analysis; NIR; Near infrared; PCA; Principal
Keywords: تحلیل مولفههای اصلی یا PCA; DMD; dynamic mode decomposition; FFT; fast Fourier transform; MSE; multi-scale entropy; PCA; principal component analysis; YN; young novices; LMN; late middle-aged novices; LME; late middle-aged experts; MVC; maximum voluntary contraction; aging; fine mot
Keywords: تحلیل مولفههای اصلی یا PCA; Peptide mapping; Principal component analysis; Recombinant human growth hormone; On-column trypsin digestion; Biosimilars;
Keywords: تحلیل مولفههای اصلی یا PCA; Landscape metrics; Principal component analysis; Ecosystem services; Spatial planning; Landscape structure; West Africa;
Keywords: تحلیل مولفههای اصلی یا PCA; Nutrient management planning; Farmer decision making; Farmer behaviour; Adoption; Intentions; Theory of planned behaviour; Logistic regression; Principal component analysis;