فهرست مقالات dimensionality

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - An Efficient Method for Handwritten Kannada Digit Recognition based on PCA and SVM Classifier
  Ramesh G Prasanna  G B Santosh  V Bhat Chandrashekar  Naik Champa  H N
  10.52547/jist.9.35.169
  Handwritten digit recognition is one of the classical issues in the field of image grouping, a subfield of computer vision. The event of the handwritten digit is generous. With a wide opportunity, the issue of handwritten digit recognition by using computer vision and m چکیده کامل

  Handwritten digit recognition is one of the classical issues in the field of image grouping, a subfield of computer vision. The event of the handwritten digit is generous. With a wide opportunity, the issue of handwritten digit recognition by using computer vision and machine learning techniques has been a well-considered upon field. The field has gone through an exceptional turn of events, since the development of machine learning techniques. Utilizing the strategy for Support Vector Machine (SVM) and Principal Component Analysis (PCA), a robust and swift method to solve the problem of handwritten digit recognition, for the Kannada language is introduced. In this work, the Kannada-MNIST dataset is used for digit recognition to evaluate the performance of SVM and PCA. Efforts were made previously to recognize handwritten digits of different languages with this approach. However, due to the lack of a standard MNIST dataset for Kannada numerals, Kannada Handwritten digit recognition was left behind. With the introduction of the MNIST dataset for Kannada digits, we budge towards solving the problem statement and show how applying PCA for dimensionality reduction before using the SVM classifier increases the accuracy on the RBF kernel. 60,000 images are used for training and 10,000 images for testing the model and an accuracy of 99.02% on validation data and 95.44% on test data is achieved. Performance measures like Precision, Recall, and F1-score have been evaluated on the method used. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - انتخاب مناسب ترین سوالات شخصیت در سنجش ابعاد شخصیتی: ترکیب نظریه خصیصه مکنون و تحلیل داده‌های شبکه‌ای
  مریم   محتشمی محمد حسین  ضرغامی بهشته نیوشا
  <p>کلمه شخصیت به یگانگی، فردیت و سوژگی موضوع مورد مطالعه اشاره دارد. سنجش چنین مفهوم دینامیک و پیچیده ای یک چالش اساسی در حوزه ی روش شناسی سنجش و اندازه گیری سازه های روانشناختی محسوب می شود. هدف این پژوهش ارائه ی یک روش نوین در دو بخش مختلف تحلیل سوالات پرسشنامه های شخ چکیده کامل

  <p>کلمه شخصیت به یگانگی، فردیت و سوژگی موضوع مورد مطالعه اشاره دارد. سنجش چنین مفهوم دینامیک و پیچیده ای یک چالش اساسی در حوزه ی روش شناسی سنجش و اندازه گیری سازه های روانشناختی محسوب می شود. هدف این پژوهش ارائه ی یک روش نوین در دو بخش مختلف تحلیل سوالات پرسشنامه های شخصیتی است: الف) بعدیابی سوالات پرسشنامه های شخصیتی که از اجرای پرسشنامه ها روی نمونه های مستقل بدست آمده است از طریق تحلیل تناظر و ب) اولویت بندی سوالات با استفاده از روش تحلیل داده های شبکه ای بر اساس اهمیتی که سوالات در هر بعد دارند. برای دستیابی به این اهداف 32 پرسشنامه ی شخصیتی -که اکثر حوزه های کاربست پرسشنامه های شخصیتی را پوشش می دهند- روی 82988 نفر داوطلب تحت وب اجرا شد. نتایج تحلیل تناظر نشان می دهد که شخصیت دارای دو بعد غالب است که حدود 75 درصد واریانس شخصیت را تبیین می کند. نتایج تحلیل داده های شبکه ای نشان می دهد که سوالات مهم در شاخص های مختلف الزاما با یکدیگر یکسان نیستند و انتخاب سوال بر اساس یک شاخص خاص باید بر اساس معنایی که آن شاخص دارد باشد با این وجود با توجه به ساختار همبستگی اولویت سوالات در شاخص های شبکه، یک شاخص کلی تعریف شد که بر اساس آن سوالات در دو بعد شخصیت اولویت بندی شد. نتیجه ی تحقیق حاضر به ارائه یک الگوریتم انتخاب سوالات شخصیتی در ابعاد شخصیت منجر شد.</p> پرونده مقاله