尤素福·丹尼尔斯曼;穆罕默德·法提赫·伊尔马兹;阿玛根·奥兹卡亚;伊斯梅尔·塔哈 主成分分析特征值方法的比较。 （英语） Zbl 1327.68203号 申请。计算。数学。 13，第3号，316-331（2014）. 摘要：我们比较了四种常用的特征向量方法，即循环Jacobi迭代法、Wiedlandt压缩法、Hotelling压缩法和MATLAB自己的基于主成分分析（PCA）的特征值方法，以成功进行人脸识别。我们报告说，通过MATLAB的特征值方法和Hotelling的通缩，可以达到最高的识别率。观察到，对于大量的主要特征面，前者速度最快，而对于计算核数，前者的缩放效果最好。另一方面，后者有一个简短的开放源代码，可以很容易地针对特定目的进行修改。我们进一步研究了改变人脸图像对提高识别率的影响。从两个著名的人脸数据库中获得了不同的图像集，使用成像滤波器对其应用了不同的效果，结果集被用作训练集和测试集。识别率表明，其中一些过滤集甚至可以比原始集更好地用于训练和测试。 引用于1文件 理学硕士： 68吨10 模式识别、语音识别 62H25个 因子分析和主成分；对应分析 2015财年65 矩阵特征值和特征向量的数值计算 关键词：PCA公司;旅馆业;维兰特;雅各比;模式识别;人脸识别 软件：Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{Y.Danisman}等人，应用。计算。数学。13，第3号，316-331（2014；Zbl 1327.68203） 全文： 链接