974

امروزه مشاهدات اندازه گيري شده در بسياري از حوزه هاي علمي، مثل علوم زيستي اغلب ب بالا هستند، به اين معني كه تعداد متغيرها از تعداد نمونه بيشتر است. يكي از مشكلاتي كه در خوشه بندي مدل مبناي اينگونه داده ها رخ مي دهد برآورد تعداد زيادي پارامتر است. براي رفع چنين مشكلي، ابتدا بايد عد انجام شود. 􀌧 عد داده ها را قبل از خوشه بندي كاهش داد كه اين امر مي تواند از طريق روش هاي كاهش ب 􀌧 ب يك رويكرد اخير در اين زمينه كه مورد توجه فراوان قرار گرفته روش تصويرهاي تصادفي است. در مقاله حاضر اين روش از هر دو منظر نظري و كاربردي مورد بررسي قرار گرفته و برتري آن در مقايسه با برخي عد مانند تحليل مولفه هاي اصلي و روش انتخاب متغير در تحليل سه مجموعه 􀌧 رويكردهاي مرسوم كاهش ب داده واقعي نشان داده شده است.

مجله علوم آماري

1401

16

1

239-252

بهار و تابستان