ارسل ملاحظاتك

ارسل ملاحظاتك لنا







يجب تسجيل الدخول أولا

استعمال دالتي "Anovarbf, Polynomial" اللبية في تحليل المركبات الرئيسة والمقارنة بين تلك الدوال عند استعمال مقدرات مختلفة لمعلمة التمهيد "عرض الحزمة"

العنوان بلغة أخرى: Use "Polynomial and Anovallbf" Kernel Function in the Principal Component Analysis and the Comparison between These Functions when Using Different Smoothing Parameter "Bandwidth"
المصدر: وقائع المؤتمر العلمي السنوي الثالث: الإصلاح منطلق للتنمية وإعادة بناء العراق - مسارات معاصرة
الناشر: الجامعة الأهلية - كلية شط العرب و جامعة البصرة - كلية الإدارة والاقتصاد
المؤلف الرئيسي: محمد، لقاء علي (مؤلف)
المؤلف الرئيسي (الإنجليزية): Muhamed, Lekaa Ali
مؤلفين آخرين: عبود، أمير على (م. مشارك)
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2017
مكان انعقاد المؤتمر: البصرة
رقم المؤتمر: 3
الهيئة المسؤولة: كلية شط العرب - الجامعة الأهلية وكلية الإدارة والاقتصاد - جامعة البصرة
الصفحات: 587 - 603
رقم MD: 815901
نوع المحتوى: بحوث المؤتمرات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
كلمات المؤلف المفتاحية:
الدوال اللبية | تقدير عرض الحزمة | KPCA | RBF KERNEL | Kernel Function | Bandwidth Estimating | BCV | SCV | BOOT
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

5

حفظ في:
المستخلص: عند استخدام تحليل ماند المتغيرات مع مجاميع البيانات ذات الأبعاد العالية غالبا ما نستخدم تحليل المركبات الرئيسة (PCA) لتقليص تلك الأبعاد. إذ يعمل تحليل المركبات الرئيسية (PCA) على دراسة العلاقة بين مجموعة من المتغيرات عالية الأبعاد وتحويلها إلى مجموعة جديدة من المركبات والتي تلخص المتغيرات المقاسة وتكون مؤهلة لتفسير معظم التباين الكلي للبيانات الأصلية ويعتمد بصورة رئيسة على حساب مصفوفة التباين المشترك أو مصفوفة الارتباط ألا إن هذا التحليل يتأثر بطبيعة البيانات ولا يمكن إجراءه إلا بعد تحقيق مصفوفة التباينات للشروط الخاصة بها قبل البدء بالتحليل ومن هذه الشروط هي الخطية في البيانات وبما أن بيانات الظاهرة المدروسة في هذا البحث لا تحقق هذه الصفة كونها تتصف بخاصية اللاخطية عليه تم اللجوء إلى استخدام دالتي (polynomial) اللبية في تحليل المركبات الرئيسة, والتي تعتمد في حسابها على معلمة التمهيد (عرض الحزمة) وقدرت في بحثنا هذا بثلاث طرق هي(مقدر العبور الشرعي الممهد(SCV) مقدر العبور الشرعي المتحيز (BCV), مقدر التمهيد (BOOT)) وتطبيقها على بيانات الناتج المحلي الإجمالي في العراق للسنوات ( 2011-1990 ) والمقارنة بين تلك الدوال والمقدرات المستعملة من خلال عدد المركبات الرئيسة الفعالة التي تزيد قيم الجذور الذاتية لها عن الواحد الصحيح وما يقابلها من النسبة في تفسير التباين الكلي.

Always Principal Component Analysis (PCA) used multivariate analysis with high dimensional data sets, often using Principal Component Analysis (PCA) to reduce these dimensions, The Principal Component Analysis (PCA) based on the study of the relationship between a group of high-dimensional variables and convert them to a new group of components, The principle component analysis based on study the relation between the high dimension variable group and transfer it to new groups of components Which summarizes the measured variables and be qualified to explain the most of the contrast of the original data, and it depends mainly on the calculation of the covariance matrix or correlation matrix but this analysis is affected by the nature of the data, it can be performed only after the covariance matrix achieve to the conditions before starting their own analysis. One of these condition is the linearity of data, Since the data of the phenomenon studied in this research do not achieve this status being characterized by non-linear feature, so it was resorting to the use of (Polynomial , ANOVA RBF) Kemel functions in the analysis of the principle components, which is based on its calculated on the beginning identification (bandwidth) estimated in our research with variety methods ,are Least biased Cross- Validation (BCV), Smoothed Cross-Validation (SCV) and Bootstrap (BOOT). And applied to the Iraq’s Gross Domestic Product (GDP)for the period from (1990-2011) , and the comparison between those used functions and capabilities through a number of effective key compounds that increase the self -rooted values have the correct one and the corresponding ratio in the interpretation of the overall contrast.