بررسی روش فازی- آماری کشف اشتباه‌ها در داده‌های لیزر اسکنر

معمولاً خطاهای تصادفی در تمام پارامترهایی که بوسیله‌ی ابزارهای مشاهده گر برداشت می‌شوند به عنوان بخشی نامطلوب از مشاهدات وجود دارند. به منظور انجام پردازشهای تحلیلی جهت کشف این اشتباهات فرض می‌شود که توزیع این خطاها از تابع توزیع نرمال پیروی می‌کند. اشتباهات اگر حذف نشوند بر روی فرآیندهای محاسباتی بر روی مشاهدات تاثیر منفی خواهند داشت و نتایج آن را غیر قابل اعتماد می‌کنند. تحقیق پیش رو به اجرا و مقایسه روش باردا به عنوان یک روش مرسوم آماری ودیدگاه فازی می‌پردازد. با استفاده از این دو روش، مشاهدات اشتباه در دو مجموعه داده سه بعدی شامل داده‌های برداشتی لیزر اسکنر موسوم به ابر نقاط و همچنین یک مجموعه تصادفی شبیه سازی شده از نقاط سه بعدی را بررسی می‌کند و کارائی هر دو روش را مورد سنجش و مقایسه قرار می‌دهد. اگر چه روشهای مختلفی برای تحلیل خطاهای تصادفی و اشتباهات وجود دارند اما همچنان یافتن راه‌حل‌های بهینه به ویژه برای داده‌های با حجم عظیم ابر نقاط برای رسیدن به دقت و صحتی بهبود یافته لازم به نظر می-رسد. برخلاف روش باردا که به محض یافتن مشاهدات اشتباه، آتها را حذف می‌کند، دیدگاه فازی بیشتر محاسبات را بر روی خطاهای مشاهداتی و باقیمانده‌های پس از انجام سرشکنی متمرکز می‌کند که این امر به طور قابل ملاحظه‌ای به تست‌های آماری برای تصمیم‌گیری وابسته است. نتایج نشان می‌دهد که در داده‌های با حجم بالا اشتباهات کشف شده با استفاده از روش باردا بیشتر از تعداد اشتباهاتی است که روش فازی-آماری کشف می‌کند که این امر هم برای مشاهدات ابر نقطه لیزر اسکنر و هم برای داده‌های شبیه سازی شده ملموس است. در عین حال هر دو روش در داده‌های با تعداد مشاهدات کم شبیه هم عمل می‌کنند. علاوه بر موارد فوق توانایی‌ دیدگاه فازی در کشف مشاهدات اشتباه در سطوح مختلف مشاهداتی مورد بررسی قرار گرفته است.