عنوان کامل پایان نامه : بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-

تکه هایی از این پایان نامه :

تحلیل مولفه اصلی (PCA)

در روش تحلیل مؤلفه‌های اصلی، محور‌های مختصات جدیدی برای داده‌ها تعریف می گردد به گونه ای که نخستین محور در جهتی قرار می‌گیرد که واریانس داده‌ها بیشینه می باشد و دومین محور نیز عمود بر محور اول و در جهتی که واریانس داده ها بیشینه باشد،در نظر گرفته می گردد و به همین ترتیب، محورهای بعدی عمود بر تمامی محورهای قبلی به گونه‌ای قرار می‌گیرند که واریانس داده‌ها در آن جهت بیشینه باشد]4[.تحلیل مولفه اصلی یکی از روش‌های مرسوم استخراج ویژگی می باشد که در بسیاری از پژوهش‌ها به دلیل سادگی و سرعت بالا در پردازش از آن بهره گیری می گردد]26[. تکنیک PCA بهترین روش برای کاهش ابعاد داده به صورت خطی می‌باشد یعنی با حذف ضرایب کم اهمیت بدست آمده از این تبدیل،اطلاعات از دست رفته نسبت به روشهای دیگر کمتر می باشد.

فرض کنید ماتریس ورودی X دارای  نمونه و n ویژگی می باشد و  نمونه بایستی در C گروه قرار گیرند، میانگین و کوواریانس داده با در نظر داشتن روابط (3-3) و (3-4) محاسبه می­شوند [38]:

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

(3-3)                                                                          (3-4)

در مرحله­ی بعد، مقادیر ویژه و بردارهای ویژه از روی ماتریس کواریانس محاسبه می شوند. سپس، تعداد k مقدار ویژه بزرگتر از n مقدار ویژه انتخاب می شوند

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید:

 thesis-power-word