淡江大學機構典藏:Item 987654321/110900
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 62861/95882 (66%)
造访人次 : 4214859      在线人数 : 315
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜寻范围 查询小技巧：
  • 您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果
  • 若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据
    •  进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/110900


    题名: Dimension reduction and visualization of the histogram data using sliced inverse regression
    其它题名: 應用切片逆迴歸法於直方圖資料之維度縮減與視覺化
    作者: 蕭敬翰;Xiao, Jing-Han
    贡献者: 淡江大學數學學系碩士班
    吳漢銘;Wu, Han-Ming
    关键词: 資料視覺化;直方圖資料;維度縮減;主成分分析;切片逆迴歸;象徵性資料分析;data visualization;histogram data;Principal component analysis;Sliced inverse regression;symbolic data analysis
    日期: 2016
    上传时间: 2017-08-24 23:38:53 (UTC+8)
    摘要: 在象徵性資料分析 (Symbolic data analysis, SDA) 中，直方圖資料是一 個重要的研究主題，主要的研究發展方向是利用主成分分析法 (Principal component analysis, PCA)。在此研究中，我們利用另一個替代的維度縮減 方法逆切片迴歸法 (Sliced inverse regression, SIR) 去降低直方圖資料的維 度。逆切片迴歸法是一個基於切片的充分維度縮減技術使我們可以在低維 度空間中觀察高維度的資料所隱藏的結構與資訊。我們首先考慮直方圖資 料變數的經驗分布去計算象徵性權重共變異數矩陣，接著利用線性組合質 方圖的方法與矩陣視覺化技術去視覺化降維後的直方圖資料。我們會使用 多筆真實資料去評估此方法降維後的判別能力與視覺化方法。
    The dimension reduction of the histogram-valued data (histogram data hereafter) is one of the active research topics in symbolic data analysis (SDA). The main thread has been focused on the extensions of the principal component analysis (PCA) though. In this study,
    we extend the classical sliced inverse regression (SIR), an alternative method to dimension reduction, to the histogram data. SIR is one of the popular sliced-based sufficient dimension reduction techniques for exploring the intrinsic structure of high-dimensional data. We first consider the empirical (joint) density of histogram variables to compute the symbolic weighted covariance-variance matrix. Then a linear combination of histograms rule and the matrix visualization technique are employed to visualize the projections of histograms in
    the low-dimensional subspace. We evaluate the method for the low- dimensional discriminative and visualization purposes with some applications to real data sets. The comparison with PCA for histogram data is also reported.
    显示于类别:[數學學系暨研究所] 學位論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML193检视/开启

    在機構典藏中所有的数据项都受到原著作权保护.

    TAIR相关文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回馈