Dayanıklı seyrek temel bileşenler analizi
Robust sparse principal component analysis
- Tez No: 470640
- Danışmanlar: YRD. DOÇ. DR. BİLAL BARIŞ ALKAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Sinop Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Temel Bileşenler Analizi (TBA), çok boyutlu veri kümesi olduğunda genellikle ilk başvurulan boyut indirgeme ve veri işleme yöntemidir. Bu nedenle TBA, hemen hemen bütün bilimsel alanlarda kullanımı oldukça yaygın olan bir yöntemdir. Ancak TBA'da her bir temel bileşenin tüm orijinal değişkenlerin doğrusal birleşimi olmasından dolayı analiz sonuçlarının yorumlama aşamasında genellikle birtakım güçlüklerle karşılaşılır. Bu sıkıntıların çözümü için önerilen yaklaşımlardan biri Seyrek Temel Bileşenler Analizi (STBA) olarak adlandırılmaktadır. Fakat seyrek yaklaşımlar da TBA'da olduğu gibi veri kümesinde aykırı gözlemlerin olması durumuna karşı dayanıklı değildir. Bu çalışmada, STBA ve Dayanıklı Temel Bileşenler Analizinin (DTBA) avantajlı özelliklerini bir araya getiren, Croux ve ark. (2013) tarafından önerilen yaklaşımın performansı iki gerçek ve üç yapay veri kümesi üzerinden incelenecektir. Çalışmanın 1. bölümünde TBA, DTBA ve STBA hakkında ön bilgilerin yer aldığı giriş bölümü verilecektir. 2. bölümünde çalışmada kullanılan bazı temel kavramların tanımları ve açıklamaları ile birlikte literatür özeti yer alacaktır. 3. bölümünde incelenen veri kümeleri ve yöntemlere, 4. bölümde ise önceki bölümlerde ayrıntılı olarak incelenen yöntemlerin gerçek ve yapay veri kümeleri üzerinde uygulamalarına yer verilecektir. Son bölümde ise çalışmadan elde edilen sonuçlar tartışılacaktır.
Özet (Çeviri)
The Principal Component Analysis (PCA) is the first method of size reduction and data processing when the dataset is of a high-dimensional. Therefore PCA is a widely used method in almost all scientific fields. However, since all the original variables of each principal component in the PCA are linear combination, the interpretation process of the analysis results is often encountered with some difficulties. The approaches proposed for solving these problems are referred to as Sparse Principal Component Analysis (SPCA). However, sparse approaches are not resistant to the fact that there are outliers in the data set, such as in the PCA. In this study, Croux et al. (2013), which combines the advantageous properties of SPCA and Robust Principal Component Analysis (RPCA), the performance of the proposed approach will be examined through two real and three artificial datasets. Preliminary information on PCA, RPCA and SPCA will be given in Section 1 of the study. In the Section 2, a summary of the literature will be included with definitions and explanations of some basic concepts used in the study. The datasets and methods examined in Section 3 will be included, and in Section 4, the methods examined in detail in the previous sections will be applied to real and artificial datasets. In the last section, the results obtained in the study will be discussed.
Benzer Tezler
- Face recognition with local Walsh transform
Yerel Walsh dönüşümü ile yüz tanıma
MERYEM UZUN PER
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- Yapılarda taban izolasyonu sistemleri
Base isolation systems in structures
AHMET CANER BAŞDOĞAN
Yüksek Lisans
Türkçe
2012
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ÜNAL ALDEMİR
- Standart altı geniş betonarme kolonların yön değiştiren tekrarlı yükler altında davranışı, modellenmesi ve değerlendirilmesi
Behavior, modeling, and assessment of substandard wide reinforced concrete columns under reversed cyclic loads
BİLAL SARI
Yüksek Lisans
Türkçe
2022
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ
- Robust extraction of sparse 3D points from image sequences
Seyrek 3B noktaların görüntü dizilerinden dayanıklı biçimde çıkarımı
ELİF VURAL
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. A. AYDIN ALATAN
- Derivative based proportionate type adaptive filtering over sparse echo channels
Seyrek eko kanalları için türev tabanlı orantılı uyarlanır süzgeçleme
MURAT BABEK SALMAN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA ÇİLOĞLU