روش غیرخطی Kernel Methods
در روشهای PCA ،ICA و LDA فرض بر این است که در فضای P بعدی جدید داده ها به صورت خطی تفکیک پذیر هستند. در حالی که در برخی حالات امکان جداکردن داده ها با یک یا چند صفحه وجود ندارد. مثال روشنی برای این حالت یای منطقی (or) است که در فضای دو بعدی قابلیت جداشدن با یک خط را ندارد. در این حالت داده ها را ابتدا به یک فضای با ابعاد بالا منتقل می کنند سپس از روشهای آماری برای جداسازی داده ها استفاده می شود، به این امید که در این فضای جدید امکان تفکیک پذیری داده ها با صفحه فراهم شود.
در پژوهشهای گوناگون از الگوریتم آنالیز اجزاء مستقل (ICA (جهت تشخیص و حذف آرتیفکتهای چشمی استفاده شده است. همچنین می توان از الگوریتم ICA هم زمان جهت آشکار سازی آرتیفکت چشم و نیز آشکارسازی سیگنالهای مغزی دوگروه مفهومی کلمات خطر و اطلاع رسانی استفاده نمود.


بلافاصله بعد از پرداخت به ایمیل شما ارسال می گردد

دریافت فایل اجرایی این شبیه سازی در نرم افزار Matlab

رایگان – خرید