مقیاسبندی چندبعدی مقاوم (Robust MDS)
مقیاسبندی چندبعدی مقاوم، یک نقشه فضایی کمبعد را از ماتریس ناهمگونیهای زوجی بازیابی میکند، در حالی که در برابر اعوجاج ناشی از مقادیر پرت یا نادرست مجاورت مقاومت میکند. با جایگزینی زیان خطای مربعی با یک تابع زیان مقاوم یا کموزن کردن زوجهای مشکوک، پیکربندیای تولید میکند که حتی زمانی که برخی فاصلهها به شدت غیرمعمول هستند، توده دادهها را به طور صادقانه نمایش میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Hubert, L., Arabie, P. & Meulman, J. (2002). Linear unidimensional scaling in the L2-norm: Basic optimization methods using SMACOF. Journal of Classification, 19(2), 303–327. link ↗
- Buja, A., Swayne, D. F., Littman, M. L., Dean, N., Hofmann, H. & Chen, L. (2008). Data visualization with multidimensional scaling. Journal of Computational and Graphical Statistics, 17(2), 444–472. DOI: 10.1198/106186008X318440 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Multidimensional Scaling. ScholarGate. https://scholargate.app/fa/statistics/robust-multidimensional-scaling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- مقیاسبندی چندبعدی (MDS)آمار↔ compare
- تحلیل خوشهای مقاوم (TCLUST)آمار↔ compare
- تحلیل تناظر قویآمار↔ compare
- تحلیل عاملی اکتشافی مقاومروانسنجی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →