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; Spatial characteristics of solar radiation; Temporal characteristics of solar radiation; Diffuse radiation; Trend analyses; Principal component analysis; China;
Keywords: تحلیل مولفههای اصلی یا PCA; ACE; average coverage error; AIC; Akaike information criterion; AMAPE; adapted MAPE; ANEM; Australian National Electricity Market; ANN; artificial NN; ANOVA; analysis of variance; AWPI; average width of PIs; ARMAX; autoregressive moving average model with
Keywords: تحلیل مولفههای اصلی یا PCA; AH; absolute humidity; CHN; cold-hot neuron; CN; cold neuron; CTMax; critical thermal maximum; CV of ISI; the coefficient of variance of interspike intervals; DAN; dendrite of the A-neuron; DBN; dendrite of the B-neuron; DCN; dendrite of the C-neuron; DHN
Keywords: تحلیل مولفههای اصلی یا PCA; Force identification; Principal component analysis; Scaled principal coordinate time history; Effective independence method; Deconvolution;
Keywords: تحلیل مولفههای اصلی یا PCA; Prognostic and health management; Semiconductor; Bearing; Wind turbine; Principal component analysis; Diffusion map;
Keywords: تحلیل مولفههای اصلی یا PCA; The Baltic Sea; Coastal sediments; Vertical depth; The distance from the water line; Nutrients; Principal component analysis;
Keywords: تحلیل مولفههای اصلی یا PCA; Housing stock; Dynamic energy simulation; Open-source; Modularity; Policy support; ASHRAE; American Society of Heating, Refrigerating, and Air-Conditioning Engineers; BREDEM; Building Research Establishment Domestic Energy Model; CCC; Committee on Climate
Keywords: تحلیل مولفههای اصلی یا PCA; Compressed learning; MIRS; Principal component analysis; Wavelet transformation; Partial least squares regression; Fog computing;
Keywords: تحلیل مولفههای اصلی یا PCA; Hyperspectral image classification; Principal component analysis; Adaptive total variation filtering; Extreme learning machine;
Keywords: تحلیل مولفههای اصلی یا PCA; Human hand; Dimensionality reduction; Principal component analysis; Isomap; Postural synergies; Grasp reconstruction;
Keywords: تحلیل مولفههای اصلی یا PCA; Attack pattern; Principal component analysis; Data pre-processing; Normalization; Feed-forward back propagation; Multilayer perceptron;
Keywords: تحلیل مولفههای اصلی یا PCA; Anti citrullinated protein/peptides antibodies (ACPA); Rheumatoid arthritis; Lung involvement; Cluster analysis; Principal component analysis;
Keywords: تحلیل مولفههای اصلی یا PCA; Principal component analysis; Random projection; Dimensionality reduction; Data clustering; Protein structure; Structural bioinformatics;
Keywords: تحلیل مولفههای اصلی یا PCA; Sunspots; Magnetic field; Solar activity cycle; Principal component analysis; Solar dynamo; Gleissberg cycle; Grand cycle;
Keywords: تحلیل مولفههای اصلی یا PCA; Quality of TCM; Q-marker; Research idea; Research method; Research approach; Practice; TCM; traditional Chinese medicine; QC; quality control; Q-marker; quality marker; LTT; Liujing Toutong tabliets; HPLC-Q/TOF-MS; high performance liquid chromatography q
Keywords: تحلیل مولفههای اصلی یا PCA; Gait identification; Walking; Human movement prediction; Linear transformation; Principal component analysis; Partial least squares regression;
Keywords: تحلیل مولفههای اصلی یا PCA; Aggression; Brain injuries; Psychometrics; Rehabilitation; CFI; comparative fit index; FXS; frequency times severity; NFI; Neurobehavioral Functioning Inventory; NPI; Neuropsychiatric Inventory; PCA; principal component analysis; RMSEA; root mean square e
Keywords: تحلیل مولفههای اصلی یا PCA; Long pulse thermography; Infrared thermography; Principal component analysis; Thermographic signal reconstruction;
Keywords: تحلیل مولفههای اصلی یا PCA; Particle packing; Digitalised image; Principal component analysis; Principal variance; Spatial homogeneity and isotropy;
Keywords: تحلیل مولفههای اصلی یا PCA; Co; control diet; DTI; diffusion tensor images; K; nodal degree; L; characteristic path length; MCP; moderate calorie-protein restriction diet; Mean C; mean clustering coefficient; MRI; magnetic resonance images; PCA; Principal Component Analysis; PFA; pa