Data de-noise for discriminant analysis by using multivariate wavelets: (simulation with practical application)‎

العناوين الأخرى

تقليل ضوضائية البيانات للتحليل التمييزي باستخدام مويجات متعددة المتغيرات: (محاكاة مع تطبيق عملي)‎

المؤلفون المشاركون

al-Zubaydi, Taha Husayn Ali
Muhammad, Awaz Shihab
Karim, Nazirah Sadiq

المصدر

Journal of Arab Statisticians Union

العدد

المجلد 5، العدد 3 (30 سبتمبر/أيلول 2021)، ص ص. 1-21، 21ص.

الناشر

اتحاد الإحصائيين العرب

تاريخ النشر

2021-09-30

دولة النشر

الأردن

عدد الصفحات

21

التخصصات الرئيسية

إدارة الأعمال

الملخص AR

في هذا البحث، اقترح الباحثون استخدام تحليل المويجات متعددة المتغيرات في الفضاء ذي الأبعاد الأعلى (Symlet) وهي مويجات دابشيز الأقل تماثلا، مع قطع العتبة الناعمة لتقليل ضوضائية البيانات (الطريقة المقترحة) قبل استخدامها في التحليل التمييزي للحصول على نتائج أكثر دقة وموثوقية من خلال مقارنتها مع التحليل التمييزي المستخدم على البيانات قبل معالجة الضوضائية.

ولمعرفة تأثير تقليل ضوضائية البيانات (الطريقة المقترحة) على نتائج التحليل التمييزي تم استخدام محاكاة لبيانات لها توزيع طبيعي والذي تم تكراره (1000) مرة لمجموعات مختلفة من عدد المتغيرات وأحجام العينات، ومن ثم استخدام بيانات حقيقية تمثل مرضى سرطان الدم المأخوذ من مستشفى ناناكيلي في أربيل.

تم تحليل البيانات من خلال برنامج مصمم للغة MATLAB مع البرنامج الإحصائي الجاهز (SPSS).

ومن أهم الاستنتاجات التي توصلت إليها الباحثون هي كفاءة الطريقة المقترحة والتي أدت إلى التمييز بين مجموعتين بشكل أفضل مقارنة مع قبل معالجة ضوضائية البيانات (الطريقة التقليدية) وهذا يعني أن البيانات تم تصنيفها للطريقة المقترحة بشكل أفضل من الطريقة التقليدية.

الملخص EN

In this paper, we suggest using the multivariate wavelet analysis in higher dimensional space (Symlet, Daubechies' least-asymmetric wavelets) with soft thresholding to de-noise of the data (Shrinkage) before use it in the Discriminant Analysis to obtain more accurate and reliable results by comparing it with the Discriminant analysis used on data before de-noise.

And to know the effect of de-noise from data (proposed method) on Discriminant analysis results by simulating random data with normal distribution repeated 1000 times for different combinations of number of variables and sample sizes and real data represent leukemia patients taken from the Nanakele Hospital in Erbil.

We analyzed the data depending on MATLAB Language and statistics program (SPSS).

One of the most important conclusions reached by the researcher that use proposed method led to the separation between the two groups better than before de-noise (classical method) and this mean that data were classified for proposed method better than classical method.

نمط استشهاد جمعية علماء النفس الأمريكية (APA)

al-Zubaydi, Taha Husayn Ali& Karim, Nazirah Sadiq& Muhammad, Awaz Shihab. 2021. Data de-noise for discriminant analysis by using multivariate wavelets: (simulation with practical application). Journal of Arab Statisticians Union،Vol. 5, no. 3, pp.1-21.
https://search.emarefa.net/detail/BIM-1555851

نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)

al-Zubaydi, Taha Husayn Ali…[et al.]. Data de-noise for discriminant analysis by using multivariate wavelets: (simulation with practical application). Journal of Arab Statisticians Union Vol. 5, no. 3 (Sep. 2021), pp.1-21.
https://search.emarefa.net/detail/BIM-1555851

نمط استشهاد الجمعية الطبية الأمريكية (AMA)

al-Zubaydi, Taha Husayn Ali& Karim, Nazirah Sadiq& Muhammad, Awaz Shihab. Data de-noise for discriminant analysis by using multivariate wavelets: (simulation with practical application). Journal of Arab Statisticians Union. 2021. Vol. 5, no. 3, pp.1-21.
https://search.emarefa.net/detail/BIM-1555851

نوع البيانات

مقالات

لغة النص

الإنجليزية

الملاحظات

Text in English ; abstracts in English and Arabic.

رقم السجل

BIM-1555851