ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > مقارنة بين طريقتي تحليل المركب...>الوصف

مقارنة بين طريقتي تحليل المركبات الرئيسة والمركبات الرئيسية اللبيه لتقليل الابعاد الصورية

العنوان بلغة أخرى: Comparison Between The Method of Principal Component Analysis And Principal Component Analysis Kernel For Imaging Dimensionality Reduction
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: عيسى، اسيل مسلم (مؤلف)
مؤلفين آخرين: الراوي، اسماء غالب (م. مشارك)
المجلد/العدد: ع29
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2019
الصفحات: 11 - 24
ISSN: 1680-855X
رقم MD: 991076
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
مركبات (PCA ) | المركبات الرئيسية اللبيه (KPCA ) | الابعاد الصورية | تحليل المركبات الرئيسية
كلمات المؤلف المفتاحية:
الصور | المعالجة الصورية | الصور الرقمية | تقليل الابعاد | تحليل المركبات الرئيسية | تحليل المركبات الرئيسية اللبيه | Images | Image Processing | Digital Image | Dimensionality Reduction | Principal Component Analysis | Kernel Principal Component Analysis
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يتناول البحث طريقتين لتقليل الأبعاد وهي طريقة تحليل المركبات الرئيسية PCA)) في حال كون التراكيب خطية وطريقة المركبات الرئيسية اللبيه (KPCA) في حال كون المركبات لا خطية لمعالجة وتحليل الصور الرقمية وذلك للحصول على معلومات مفيدة. ومن ثم المقارنة بين الطريقتين ومعرفة أي الطرائق تكون مناسبة لتقليل الأبعاد الصورية. وتم تطبيق الطرائق على مجموعة من صور الأقمار الاصطناعية لمنطقة في محافظة البصرة الذي يمثل مصب دجلة والفرات في شط العرب وأيضا القنوات المائية المتخللة لمحافظة البصرة والمسطحات المائية المنتشرة حول هذه القنوات. في هذا البحث تم التوصل إلى أن الحزمة الصورية الرابعة أفضل باستخدام طريقة PCA حيث كانت القيمة كامنة لها أكبر قيمة، أما طريقة KPCA فقد أظهرت أن الحزمة الصورية الثالثه هي الأفضل حيث أعطت اعلى قيمه كامنة. وبالمقارنة بين الطريقتين باستخدام معيار متوسط مربعات الخطأ MSE)) أظهرت النتائج أن طريقة المركبات الرئيسية اللبيه KPCA)) هي الأفضل.

This paper tackles with two methods to dimensionality reduction, namely principal component analysis (PCA) in the case of linear combinations and kernel principal component analysis method in the case of nonlinear combinations to digital image processing and analysis for useful information .And then compare the two methods and know which methods are appropriate to imaging dimensionality reduction. The methods were applied to a group of satellite images of an area in the province of Basra, which represents the mouth of the Tigris and Euphrates in the Shatt al-Arab, as well as the water channels permeating Basra Governorate and the water bodies scattered around these channels. In this research, it is shown that the fourth image band is best when using the PCA method the value of it is Eigen value was the biggest ,while the KPCA method showed that the third image band was the best, giving the highest latent value. Comparing the two methods using the mean error error (MSE) method, the results showed that the main KPCA method was the best.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.