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