A human hand recognition system is

A human hand recognition system is introduced. First, a simple preprocessing technique which extracts the palm, the four fingers,
and the thumb is introduced. Second, the eigenpalm, the eigenfingers, and the eigenthumb features are obtained using a fast incremental
principal non-Gaussian directions analysis algorithm, called IPCA-ICA. This algorithm is based on merging sequentially
the runs of two algorithms: the principal component analysis (PCA) and the independent component analysis (ICA) algorithms.
It computes the principal components of a sequence of image vectors incrementally without estimating the covariance matrix (so
covariance-free) and at the same time transforming these principal components to the independent directions that maximize the
non-Gaussianity of the source. Third, a classification step in which each feature representation obtained in the previous phase is
fed into a simple nearest neighbor classifier. The systemwas tested on a database of 20 people (100 hand images) and it is compared
to other algorithms.

ผลลัพธ์ (ไทย) 1:

แนะนำระบบรู้จำมือมนุษย์ แรก เทคนิคเบื้องอย่างที่แยกสี่มือ ปาล์มและนำนิ้วหัวแม่มือ ที่สอง eigenpalm, eigenfingers และลักษณะการทำงานของ eigenthumb จะได้รับใช้เพิ่มขึ้นอย่างรวดเร็วทิศทางไม่ใช่ Gaussian หลักการวิเคราะห์อัลกอริทึม เรียกว่า IPCA ปัจจุบันประกอบ อัลกอริทึมนี้จะขึ้นอยู่กับการรวมตามลำดับทำงานของอัลกอริทึมที่สอง: การวิเคราะห์ส่วนประกอบหลัก (PCA) และอัลกอริทึมวิเคราะห์ (ปัจจุบันประกอบ) ส่วนประกอบอิสระมันจะส่วนประกอบหลักของลำดับของเวกเตอร์รูปแบบเพิ่มหน่วย โดยประมาณเมตริกซ์ความแปรปรวนร่วม (ดังนั้นความแปรปรวนร่วมฟรี) และ ในเวลาเดียวกันที่เปลี่ยนส่วนประกอบเหล่านี้หลักการทิศทางอิสระที่เพิ่มการไม่ใช่-Gaussianity ของแหล่งที่มา ประเภทขั้นตอนในการแสดงแต่ละคุณลักษณะที่ได้รับในขั้นตอนก่อนหน้านี้เป็นที่ สามรับง่ายใกล้บ้าน classifier Systemwas การทดสอบฐานข้อมูล 20 คน (100 มือภาพ) และมีการเปรียบเทียบกับอัลกอริทึมอื่น ๆ

ผลลัพธ์ (ไทย) 2:

ระบบการรับรู้มือมนุษย์เป็นที่รู้จัก ครั้งแรกเป็นเทคนิคง่ายๆที่ preprocessing
สารสกัดจากปาล์มทั้งสี่นิ้วมือและนิ้วหัวแม่มือเป็นที่รู้จัก ประการที่สอง eigenpalm ที่ eigenfingers และคุณสมบัติ eigenthumb
จะได้รับการใช้ที่เพิ่มขึ้นอย่างรวดเร็วเส้นทางหลักที่ไม่เสียนขั้นตอนวิธีการวิเคราะห์ที่เรียกว่าIPCA ICA- ขั้นตอนวิธีการนี้จะขึ้นอยู่กับการควบรวมกิจการตามลำดับการทำงานของทั้งสองขั้นตอนวิธีการ:. การวิเคราะห์องค์ประกอบหลัก (PCA) และการวิเคราะห์องค์ประกอบอิสระ (ICA) ขั้นตอนวิธีการมันคำนวณองค์ประกอบหลักของลำดับของเวกเตอร์ภาพเพิ่มขึ้นโดยไม่ต้องประเมินแปรปรวนเมทริกซ์(เพื่อความแปรปรวน ปราศจาก) และในเวลาเดียวกันเปลี่ยนองค์ประกอบหลักเหล่านี้ไปยังทิศทางที่เป็นอิสระที่เพิ่มที่ไม่Gaussianity ของแหล่งที่มา ประการที่สามขั้นตอนการจัดหมวดหมู่ซึ่งในแต่ละการแสดงคุณลักษณะที่ได้รับในขั้นตอนก่อนหน้านี้จะถูกป้อนเข้าลักษณนามเพื่อนบ้านที่ใกล้ที่สุดที่เรียบง่าย ด้วยระบบการทดสอบในฐานข้อมูลของ 20 คน (100 ภาพมือ) และจะมีการเปรียบเทียบขั้นตอนวิธีการอื่นๆ

ผลลัพธ์ (ไทย) 3:

มนุษย์มือระบบรับรู้เป็นที่รู้จัก แรก , วิ Preprocessing เทคนิคซึ่งสารสกัดจากปาล์ม , สี่นิ้ว
และง่ายๆเป็นที่รู้จัก ประการที่สอง eigenpalm , eigenfingers และ eigenthumb คุณสมบัติจะได้รับการอย่างรวดเร็วเพิ่ม
หลักไม่เสียนเส้นทางการวิเคราะห์ขั้นตอนวิธี เรียกว่า ipca-ica . ขั้นตอนวิธีนี้จะขึ้นอยู่กับการพิจารณา
วิ่งสองขั้นตอนวิธี : การวิเคราะห์องค์ประกอบหลัก ( PCA ) และการวิเคราะห์องค์ประกอบอิสระ ( ICA ) อัลกอริทึม .
มันคำนวณส่วนประกอบหลักของลำดับของภาพ โดยการประมาณความแปรปรวนร่วมแบบเพิ่มหน่วยเวกเตอร์เมทริกซ์ ( ดังนั้น
ร่วมฟรี ) และในเวลาเดียวกันเปลี่ยนองค์ประกอบหลักเหล่านี้เป็นเส้นทางที่ขยาย
ไม่ gaussianity ของแหล่งที่มา สามขั้นตอนในการจำแนกซึ่งแต่ละคุณลักษณะการแสดงได้ในขั้นตอนก่อนหน้านี้
ป้อนเข้าง่ายๆ เพื่อนบ้านที่ใกล้ที่สุดลักษณนาม การ systemwas ทดสอบบนฐานข้อมูลของ 20 คน ( มือ 100 ภาพ ) และมันเทียบ
ขั้นตอนวิธีอื่น ๆ