شناسایی داده های دورافتاده با استفاده از برآوردگر حداقل دترمینان کوواریانس

پایان نامه
چکیده

در این پایان¬نامه، ضمن معرفی داده¬های دورافتاده و بیان اهمیت شناسایی آنها، دو روش استوار جهت شناسایی داده¬های دورافتاده چندمتغیره به نام¬های بیضی با حجم مینیمم (mve) و ماتریس کوواریانس با کمترین دترمینان (mcd) معرفی و مورد مقایسه قرار می¬گیرد. سپس با توجه به اینکه برآورد mcd نسبت به برآوردگر mve دارای نقطه فروریزش بالا، تابع نفوذ کراندار، خاصیت هم¬وردای افاین و کارایی مجانبی بالایی است، به رابطه معکوس نقطه فروریزش برآورد mcd و کارایی آن اشاره گردیده و استفاده از نقطه فروریزش 0/25 برای کارایی معقول برآورد mcd پیشنهاد می¬شود. در ادامه، کارایی عوامل سازگاری (تحت توزیع¬های) مختلف بیان شده و با استفاده از شبیه¬سازی مورد مقایسه قرار می¬گیرد. همچنین اشاره می¬شود که نه تنها به کارگیری عامل تصحیح اریبی و گام وزن¬دار کردن، نقطه فروریزش برآوردگر mcd اولیه را تغییر نمی¬دهد بلکه کارایی آن را نیز می¬افزاید.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تحلیل استوار داده های فضایی در حضور داده های دورافتاده

معمولاً تابع تغییرنگار که ساختار همبستگی داده­های فضایی را تعیین می­کند و نقش پایه­ ای در تحلیل آن­ها دارد، نامعلوم است و لازم است براساس مشاهدات برآورد شود. وجود داده­ های دورافتاده در مشاهدات تاثیر نامناسبی در برآورد تغییرنگار و سایر بخش­های تحلیل داده­های فضایی همچون پیش­گویی فضایی و برآورد پارامترهای روند دارد. در این مقاله ابتدا با استفاده از برآوردگرهای مقیاس، چند برآوردگر استوار جدید با ن...

متن کامل

مقیاس‌سازی منحنی رطوبتی بروکس-کوری با استفاده از حداقل داده

اندازه‌گیری منحنی رطوبتی در آزمایشگاه زمان­بر و پرهزینه می­باشد. به این دلیل پژوهش­گران روش­هایی را برای کاهش اندازه­گیری­ها ارائه کرده­اند. یکی از این روش­ها، مقیاس­سازی است. هدف از این تحقیق مقیاس­سازی منحنی رطوبتی به‌دست‌آمده با استفاده از مدل بروکس-کوری برای تمامی کلاس­های بافتی خاک است. در این روش به یک منحنی مرجع و مقدار رطوبت در یک مکش خاص مورد نیاز است. فاکتور مقیاس در این روش برابر با ...

متن کامل

شناسایی نقاط دورافتاده در داده های نرمال بر اساس مقادیر Z اصلاح شده مشاهدات

در این مقاله، به دلیل اهمیت و گستردگی استفاده از توزیع نرمال، نمونه های مبتنی بر این توزیع در نظر گرفته شده، با استفاده از مقادیر برش وابسته به حجم نمونه، نقاط دورافتاده آنها شناسایی می شوند. برای به دست آوردن مقادیر برش بهینه یک مسا له تصمیم مطرح و به روشی کمبیشینه (مینیماکس) حل می گردد. در حل این مسا له از روش شبیه سازی بهره گرفته شده است .

متن کامل

مروری بر براوردگر ماتریس کوواریانس با کم‌ترین دترمینان و کاربرد آن

هدف اصلی این مقاله معرفی روشی جهت شناسایی نقاط دورافتاده در مجموعه داده‌های چندمتغیره است. روش استوار به کار گرفته شده در این مقاله روش ماتریس کوواریانس با کم‌ترین دترمینان1 (MCD) است. به علاوه به دو ویژگی مهم براوردگرهای استوار یعنی نقطه فروریزش و تابع نفوذ اشاره می‌کنیم. سپس به معرفی عامل سازگاری و عامل تصحیح نمونه‌ی متناهی در براوردگر MCD خواهیم پرداخت. در پایان با ارایه‌ی یک مثال کاربردی کا...

متن کامل

شناسایی نقاط دورافتاده در داده های چوله

چکیده برای تشخیص داده های منظم از داده های دورافتاده می توان از فواصل ماهالانوبیس استفاده کرد و با محاسبه ی مقدار برش بر مبنای توزیع فواصل بدست آمده، نقاط دورافتاده را تشخیص داد اما این در صورتی است که فرض نرمال بودن داده ها برقرار باشد لذا درمورد داده های نامتقارن این روش کارآمد نمی باشد. ازجمله روشهایی که برای تشخیص داده های دورافتاده در توزیع های چوله استفاده می شود. رسم نمودارجعبه ای تعد...

15 صفحه اول

شناسایی داده های دورافتاده با استفاده از مدل فرایند دیریکله آمیخته

دورافتادهها نتیجهای از فرایندهای ناهمگون با فراوانی کم هستند که از الگوی عام مشاهدات پیروی نمیکنند و در اغلب مسائل کاربردی ظاهر میشوند. یکی از راههای شناسایی آنها مبتنی بر خوشهبندی دادههاست. تاکنون روشهایی مانند الگوریتم -kمیانگین برای این منظور پیشنهاد شده است. ضعف اساسی روشهایی از این دست فقدان معیارهای احتمالی و آماری برای کشف دورافتادههاست. برای این منظور میتوان روشهای مدل مبنا مانند مدل آم...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023