نمايش پست تنها
قديمي ۰۳-۲۹-۱۳۸۹, ۰۵:۴۷ بعد از ظهر   #5 (لینک دائم)
Astaraki Female
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Wink روش غیرخطی Kernel Methods

روش غیرخطی Kernel Methods

در روشهای PCA ، ICA و LDA فرض بر این است که در فضای P بعدی جدید داده ها به صورت خطی تفکیک پذیر هستند در حالی که در برخی حالات امکان جداکردن داده ها با یک یا چند صفحه وجود ندارد. مثال روشنی برای این حالت یای منطقی است که در فضای دو بعدی قابلیت جداشدن با یک خط را ندارد. در این حالت داده ها را ابتدا به یک فضای با ابعاد بالا منتقل می کنند سپس از روشهای آماری برای جداسازی داده ها استفاده می شود، به این امید که در این فضای جدید امکان تفکیک پذیری داده ها با صفحه فراهم شود.

برای مطالعه بیشتر به لینکهای زیر مراجعه کنید.

M.-H. Yang, Kernel Eigenfaces vs. Kernel Fisherfaces: Face Recognition Using Kernel Methods, Proc. of the Fifth IEEE International Conference on Automatic Face and Gesture Recognition, 20-21 May 2002, Washington D.C., USA, pp. 215-220


F.R. Bach, M.I. Jordan, Kernel Independent Component Analysis, Journal of Machine Learning Research, Vol. 3, 2002, pp. 1-48
لینک دانلود
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
86413133 (۰۳-۲-۱۳۹۲), iranban (۰۴-۸-۱۳۹۲), jack_A_2006 (۱۱-۱۹-۱۳۸۹), mehdin (۰۶-۲۳-۱۳۹۵)