نتایج جستجو برای: شاخص pca
تعداد نتایج: 98136 فیلتر نتایج به سال:
Algorithm 1 Suggesting Compatible Colors 1: procedure COMPATIBLECOLORS(palette t, index k, #cands Ncand, #samples Nsample, threshold (τ, κ)) 2: . Sampling candidate’s HSVs 3: f ← COMPUTEHUEPROBABILITY(t, k) . Eq. 3 or Eq. 4 4: hi← SAMPLINGFROMHUEPROB( f , Nsample) 5: si ∼N (μs,σs) . §4.2 6: vi ∼N (μv,σv) . §4.2 7: . Compute rating 8: for i = 1→ m do 9: ci← (hi, si,vi) 10: Ccand i ← COMPATIBLECA...
Mahalanobis distance of covariate means between treatment and control groups is often adopted as a balance criterion when implementing rerandomization strategy. However, this may not work well for high-dimensional cases because it balances all orthogonalized covariates equally. We propose using principal component analysis (PCA) to identify proper subspaces in which should be calculated. Not on...
تحقیق حاضر برای پهنه بندی شمالغرب ایران بر مبنای بارش های روزانه و تجمعی با زمان های تجمع مختلف (5،10، 15 ،20، 25 و30) روزه، شاخص فاصله-مقدار، فواصل زمانی بارش، سری روزهای بارانی، سری 25%، سری 50% و سری 75% با استفاده از داده های بارش روزانه 60 ایستگاه هواشناسی در طول دوره آماری 35 ساله انجام گرفته است. 13نوع پهنه بندی بر اساس متغیرهای معرفی شده فوق با استفاده از روش تجزیه به مولفه های اصلی (pc...
در این مقاله، مدلی ترکیبی مبتنی بر روش های تحلیل سلسله مراتبی (ahp)- تحلیل مؤلفه های اصلی (pca)- تحلیل پوششی داده ها (dea) برای ارزیابی عملکرد شرکت های بیمه در ایران ارائه می شود و با استفاده از آن، چهارده شرکت بیمه با سیزده شاخص استاندارد، رتبه بندی می شوند. با توجه به ضعف مدل dea، در مسائلی با متغیرهای زیاد و واحدهای تصمیم کم، از روش pca برای کاهش بعد مسئله استفاده می شود. از طرفی، نتایج رتبه...
در این مقاله، مدلی ترکیبی مبتنی بر روشهای تحلیل سلسلهمراتبی (AHP)- تحلیل مؤلفههای اصلی (PCA)- تحلیل پوششی دادهها (DEA) برای ارزیابی عملکرد شرکتهای بیمه در ایران ارائه میشود و با استفاده از آن، چهارده شرکت بیمه با سیزده شاخص استاندارد، رتبهبندی میشوند. با توجه به ضعف مدل DEA، در مسائلی با متغیرهای زیاد و واحدهای تصمیم کم، از روش PCA برای کاهش بعد مسئله استفاده میشود. از طرفی، نتایج رتبه...
We study the problem of estimating the leading eigenvectors of a highdimensional population covariance matrix based on independent Gaussian observations. We establish a lower bound on the minimax risk of estimators under the l2 loss, in the joint limit as dimension and sample size increase to infinity, under various models of sparsity for the population eigenvectors. The lower bound on the risk...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید