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 پژوهشهاي گوناگون از الگوریتم آنالیز اجزاء مستقل (ICA (جهت تشخیص و حذف آرتیفکتهاي چشمی استفاده شده است. همچنین می توان از الگوریتم ICA هم زمان جهت آشکار سازي آرتیفکت چشم و نیز آشکارسازي سیگنالهاي مغزي دوگروه مفهومی کلمات خطر و اطلاع رسانی استفاده نمود.

<div id="15307618232000211"><script type="text/JavaScript" src="https://www.aparat.com/embed/O37oq?data[rnddiv]=15307618232000211&data[responsive]=yes"></script></div>

بلافاصله بعد از پرداخت به ایمیل شما ارسال می گردد

دریافت فایل اجرایی این شبیه سازی در نرم افزار Matlab

با عضویت ویژه در سایت MatlabFile به تمامی آرشیو فایل های موجود دسترسی پیدا کرده و قادر به دریافت تمام فایل های اجرایی متلب و آموزش های ویدیویی ارائه شده در این سایت خواهید بود.

ثبت نام

اگر عضو سایت هستید ابتدا وارد حساب کاربری خود شوید.

ورود به حساب کاربری