{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA325",
        "title": "مقیاس گذاری چند بعدی از دیدگاه بیزی در توزیع نرمال چند متغیره",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1394",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA325",
        "title": "مقیاس گذاری چند بعدی از دیدگاه بیزی در توزیع نرمال چند متغیره",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1394,
        "authors": [
            {
                "name": "سیده بصیرا حسینی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "محمد آرشی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "مقیاس‌گذاری چند‌بعدی",
            "مقیاس‌گذاری چند‌بعدی بیزی",
            "نرمال آمیخته",
            "توزیع پسین",
            "عدم شباهت",
            "فاصله اقلیدسی"
        ],
        "abstract": "اگر فاصله‌ی شهرداری، فرمانداری و ادارات مختلف یک شهر را داشته‌ باشیم، با استفاده از روش مقیاس‌گذاری چند‌بعدی، می‌توانیم این مکان‌ها را در یک صفحه‌ی دو بعدی رسم کنیم. یعنی از ماتریس فاصله به ماتریس مشاهدات، نه به‌طور دقیق بلکه به‌طور تقریبی که خطای آن بسیار ناچیز است، برسیم. روش مقیاس‌گذاری چند‌بعدی در بسیاری از زمینه‌ها و موضوعات کاربرد دارد. و فقط به منظور یافتن مکان یا نقشه‌ی شهرها نمی‌باشد بلکه برای کاهش بعد متغیرها نیز به‌کار می‌رود.داده‌ها می‌توانند هر چیزی باشند. در این روش بر اساس داده‌های مشاهده شده یک ماتریس فاصله تشکیل می‌شود و سپس پیکره‌ی مورد نظر در بعد کمتر به‌دست می‌آید.\r\nمقیاس‌گذاری چند‌بعدی، شامل چندین روش از تحلیل داده‌های چند ‌متغیره است که به مسئله‌ی بصری‌سازی در فضای اقلیدسی می‌پردازد. این تحلیل، اطلاعاتی دا درباره‌ی فواصل بین متغیر‌ها که ممکن است متری یا نامتری باشند، به‌دست می‌دهد که در آن فواصل الزاما اقلیدسی نیستند.\r\nمقیاس‌گذاری چند‌بعدی بیزی، یکی از روش‌های جدید مقیاس‌گذاری چند‌بعدی بیزی را با توزیع‌های پیشین نرمال و آمیخته برای فاصله مشاهدات مورد بررسی قرار داده و در این راستا برتری این روش را بر روش کلاسیک در قالب شبیه‌سازی و مثال واقعی مورد مطالعه قرار می‌دهیم.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA325.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}