{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1325113"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1325113","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"ROBUST PRINCIPAL COMPONENT ANALYSIS: THEORETICAL ASPECTS AND ALGORITHMIC COMPARATIVE EVALUATION FOR DIMENSIONALITY REDUCTION","abstract":"Στην παρούσα διπλωματική εργασία εξετάζεται το κατά πόσο η ευρέως γνωστή ανάλυση κύριων συνιστωσών ως μια μέθοδος μείωσης της διάστασης μπορεί να καταστεί εύρωστη απέναντι σε ακραίες τιμές / παρατηρήσεις, και αν κάτι τέτοιο είναι δυνατό ποιο αλγοριθμικό σχήμα από τη βιβλιογραφία αποτελεί την καλύτερη επιλογή. Αρχικά, παρουσιάζεται η κλασική ανάλυση κύριων συνιστωσών, οι βασικές της ιδέες, εκείνες οι ιδιότητες-κλειδιά της οι οποίες την έχουν καταστήσει τόσο δημοφιλή, τα πλεονεκτήματά της καθώς και τα μειονεκτήματα αυτής. Στη συνέχεια, γίνεται μνεία στα βασικά θεωρητικά αποτελέσματα που αφορούν στην πιθανότητα η ανάλυση κύριων συνιστωσών να καταστεί εύρωστη απέναντι σε ακραίες τιμές, καθώς επίσης και σε μερικές ενδιαφέρουσες εφαρμογές της πραγματικής ζωής όπου κάτι τέτοιο θα ήταν αρκετά χρήσιμο. Ακολούθως, λαμβάνει χώρα μια αναλυτική παρουσίαση των πιο διάσημων αλγοριθμικών σχημάτων που σχεδιάστηκαν ώστε να αντιμετωπίσουν αυτό το πρόβλημα, ακολουθούμενη από μία συγκριτική ανάλυση μεταξύ τους η οποία εδράζεται σε ευρέως χρησιμοποιούμενες μετρικές ποιότητας σε αυτό το επιστημονικό πεδίο. Τέλος, εξετάζεται μια μελέτη-περίπτωσης προερχόμενη από το πεδίο της επεξεργασίας εικόνας, ώστε από τη μία πλευρά να αποτιμηθεί η επίδοση των υπό μελέτη αλγορίθμων σε “δυσκολότερες” πειραματικές συνθήκες, από την άλλη δε πλευρά να διερευνηθεί η πρακτική χρησιμότητά τους σε ρεαλιστικές εφαρμογές.","abstract_html":"Στην παρούσα διπλωματική εργασία εξετάζεται το κατά πόσο η ευρέως γνωστή ανάλυση κύριων συνιστωσών ως μια μέθοδος μείωσης της διάστασης μπορεί να καταστεί εύρωστη απέναντι σε ακραίες τιμές / παρατηρήσεις, και αν κάτι τέτοιο είναι δυνατό ποιο αλγοριθμικό σχήμα από τη βιβλιογραφία αποτελεί την καλύτερη επιλογή. Αρχικά, παρουσιάζεται η κλασική ανάλυση κύριων συνιστωσών, οι βασικές της ιδέες, εκείνες οι ιδιότητες-κλειδιά της οι οποίες την έχουν καταστήσει τόσο δημοφιλή, τα πλεονεκτήματά της καθώς και τα μειονεκτήματα αυτής. Στη συνέχεια, γίνεται μνεία στα βασικά θεωρητικά αποτελέσματα που αφορούν στην πιθανότητα η ανάλυση κύριων συνιστωσών να καταστεί εύρωστη απέναντι σε ακραίες τιμές, καθώς επίσης και σε μερικές ενδιαφέρουσες εφαρμογές της πραγματικής ζωής όπου κάτι τέτοιο θα ήταν αρκετά χρήσιμο. Ακολούθως, λαμβάνει χώρα μια αναλυτική παρουσίαση των πιο διάσημων αλγοριθμικών σχημάτων που σχεδιάστηκαν ώστε να αντιμετωπίσουν αυτό το πρόβλημα, ακολουθούμενη από μία συγκριτική ανάλυση μεταξύ τους η οποία εδράζεται σε ευρέως χρησιμοποιούμενες μετρικές ποιότητας σε αυτό το επιστημονικό πεδίο. Τέλος, εξετάζεται μια μελέτη-περίπτωσης προερχόμενη από το πεδίο της επεξεργασίας εικόνας, ώστε από τη μία πλευρά να αποτιμηθεί η επίδοση των υπό μελέτη αλγορίθμων σε “δυσκολότερες” πειραματικές συνθήκες, από την άλλη δε πλευρά να διερευνηθεί η πρακτική χρησιμότητά τους σε ρεαλιστικές εφαρμογές.","abstract_has_math":false,"creators":["Γιαννόπουλος Μιχαήλ","Giannopoulos Michail"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2016,"date_issued":"2016","date_published":"2016","updated_at":"2026-11-19T05:27:13Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1325113"],"render_values":[{"text":"uoadl:1325113","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1325113","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1325113","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1325113","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Γιαννόπουλος Μιχαήλ","Giannopoulos Michail"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2016"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1325113","https://pergamos.lib.uoa.gr/uoa/dl/object/1325113"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στην παρούσα διπλωματική εργασία εξετάζεται το κατά πόσο η ευρέως γνωστή ανάλυση κύριων συνιστωσών ως μια μέθοδος μείωσης της διάστασης μπορεί να καταστεί εύρωστη απέναντι σε ακραίες τιμές / παρατηρήσεις, και αν κάτι τέτοιο είναι δυνατό ποιο αλγοριθμικό σχήμα από τη βιβλιογραφία αποτελεί την καλύτερη επιλογή. Αρχικά, παρουσιάζεται η κλασική ανάλυση κύριων συνιστωσών, οι βασικές της ιδέες, εκείνες οι ιδιότητες-κλειδιά της οι οποίες την έχουν καταστήσει τόσο δημοφιλή, τα πλεονεκτήματά της καθώς και τα μειονεκτήματα αυτής. Στη συνέχεια, γίνεται μνεία στα βασικά θεωρητικά αποτελέσματα που αφορούν στην πιθανότητα η ανάλυση κύριων συνιστωσών να καταστεί εύρωστη απέναντι σε ακραίες τιμές, καθώς επίσης και σε μερικές ενδιαφέρουσες εφαρμογές της πραγματικής ζωής όπου κάτι τέτοιο θα ήταν αρκετά χρήσιμο. Ακολούθως, λαμβάνει χώρα μια αναλυτική παρουσίαση των πιο διάσημων αλγοριθμικών σχημάτων που σχεδιάστηκαν ώστε να αντιμετωπίσουν αυτό το πρόβλημα, ακολουθούμενη από μία συγκριτική ανάλυση μεταξύ τους η οποία εδράζεται σε ευρέως χρησιμοποιούμενες μετρικές ποιότητας σε αυτό το επιστημονικό πεδίο. Τέλος, εξετάζεται μια μελέτη-περίπτωσης προερχόμενη από το πεδίο της επεξεργασίας εικόνας, ώστε από τη μία πλευρά να αποτιμηθεί η επίδοση των υπό μελέτη αλγορίθμων σε “δυσκολότερες” πειραματικές συνθήκες, από την άλλη δε πλευρά να διερευνηθεί η πρακτική χρησιμότητά τους σε ρεαλιστικές εφαρμογές.","In the present master thesis we examine the question of whether the PCA method for dimensionality reduction could become robust vis-à-vis gross errors, and if so which algorithmic scheme from the literature would be the best choice. In the beginning, we present the classical PCA method, its main ideas, those key properties that have made it so popular, its advantages and its disadvantages. Afterwards, we state the main theoretical results concerning the possibility of robustyfying the PCA method, as well as some interesting applications of real life in which a robust PCA method could prove extremely useful. Subsequently, a detailed presentation of the most popular algorithmic schemes designed to tackle this problem takes place, followed by a respective comparative analysis among them based on widely used quality metrics used in this scientific field. Finally, a case-study inspired by the field of image processing is examined, in order on the one hand to evaluate the performance of the algorithmic schemes studied in the present thesis under tougher experimental circumstances, as well as on the other hand to examine their practical use in realistic applications."]},{"key":"dc:title","label":"Title","values":["ROBUST PRINCIPAL COMPONENT ANALYSIS: THEORETICAL ASPECTS AND ALGORITHMIC COMPARATIVE EVALUATION FOR DIMENSIONALITY REDUCTION"]}]}],"canonical_facts":{"dc:creator":["Γιαννόπουλος Μιχαήλ","Giannopoulos Michail"],"dc:date":["2016"],"dc:description":["Στην παρούσα διπλωματική εργασία εξετάζεται το κατά πόσο η ευρέως γνωστή ανάλυση κύριων συνιστωσών ως μια μέθοδος μείωσης της διάστασης μπορεί να καταστεί εύρωστη απέναντι σε ακραίες τιμές / παρατηρήσεις, και αν κάτι τέτοιο είναι δυνατό ποιο αλγοριθμικό σχήμα από τη βιβλιογραφία αποτελεί την καλύτερη επιλογή. Αρχικά, παρουσιάζεται η κλασική ανάλυση κύριων συνιστωσών, οι βασικές της ιδέες, εκείνες οι ιδιότητες-κλειδιά της οι οποίες την έχουν καταστήσει τόσο δημοφιλή, τα πλεονεκτήματά της καθώς και τα μειονεκτήματα αυτής. Στη συνέχεια, γίνεται μνεία στα βασικά θεωρητικά αποτελέσματα που αφορούν στην πιθανότητα η ανάλυση κύριων συνιστωσών να καταστεί εύρωστη απέναντι σε ακραίες τιμές, καθώς επίσης και σε μερικές ενδιαφέρουσες εφαρμογές της πραγματικής ζωής όπου κάτι τέτοιο θα ήταν αρκετά χρήσιμο. Ακολούθως, λαμβάνει χώρα μια αναλυτική παρουσίαση των πιο διάσημων αλγοριθμικών σχημάτων που σχεδιάστηκαν ώστε να αντιμετωπίσουν αυτό το πρόβλημα, ακολουθούμενη από μία συγκριτική ανάλυση μεταξύ τους η οποία εδράζεται σε ευρέως χρησιμοποιούμενες μετρικές ποιότητας σε αυτό το επιστημονικό πεδίο. Τέλος, εξετάζεται μια μελέτη-περίπτωσης προερχόμενη από το πεδίο της επεξεργασίας εικόνας, ώστε από τη μία πλευρά να αποτιμηθεί η επίδοση των υπό μελέτη αλγορίθμων σε “δυσκολότερες” πειραματικές συνθήκες, από την άλλη δε πλευρά να διερευνηθεί η πρακτική χρησιμότητά τους σε ρεαλιστικές εφαρμογές.","In the present master thesis we examine the question of whether the PCA method for dimensionality reduction could become robust vis-à-vis gross errors, and if so which algorithmic scheme from the literature would be the best choice. In the beginning, we present the classical PCA method, its main ideas, those key properties that have made it so popular, its advantages and its disadvantages. Afterwards, we state the main theoretical results concerning the possibility of robustyfying the PCA method, as well as some interesting applications of real life in which a robust PCA method could prove extremely useful. Subsequently, a detailed presentation of the most popular algorithmic schemes designed to tackle this problem takes place, followed by a respective comparative analysis among them based on widely used quality metrics used in this scientific field. Finally, a case-study inspired by the field of image processing is examined, in order on the one hand to evaluate the performance of the algorithmic schemes studied in the present thesis under tougher experimental circumstances, as well as on the other hand to examine their practical use in realistic applications."],"dc:identifier":["uoadl:1325113","https://pergamos.lib.uoa.gr/uoa/dl/object/1325113"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["ROBUST PRINCIPAL COMPONENT ANALYSIS: THEORETICAL ASPECTS AND ALGORITHMIC COMPARATIVE EVALUATION FOR DIMENSIONALITY REDUCTION"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:27:13Z"}