• Principal Component Analysis (PCA

• Principal Component Analysis (PCA): An orthogonal linear transformation
that transforms the data to a new coordinate system such that the greatest
variance by any projection of the data comes to lie on the first coordinate
(called the first principal component), the second greatest variance on the
second coordinate, and so on. This procedure is often used in dimensionality
reduction. When reducing the dimension of the original problem, one can
use a faster-fitting algorithm.
• Delaunay Triangulation (DT): For a set of P points in a plane, it is a triangulation such that no point in P is inside the circumcircle of any triangle in the triangulation. It tends to avoid skinny triangles. The triangulation is required for texture mapping.
• Affine transformation: Any transformation that can be expressed in the form of a matrix multiplication followed by a vector addition. This can be used for
texture mapping.
• Pose from Orthography and Scaling with Iterations (POSIT): A computer vision algorithm that performs 3D pose estimation.

ผลลัพธ์ (ไทย) 1:

•วิเคราะห์ส่วนประกอบหลัก (PCA): การแปลงเชิงเส้นเป็น orthogonal
ที่แปลงข้อมูลระบบพิกัดใหม่ที่ยิ่งใหญ่
ต่าง โดยฉายภาพใด ๆ ของข้อมูลมานอนบนพิกัดแรก
(เรียกว่าส่วนประกอบหลักแรก), ผลต่างมากที่สุดที่สองใน
พิกัดที่สอง และอื่น ๆ กระบวนการนี้ถูกใช้ใน dimensionality
ลด เมื่อลดขนาดของปัญหาเดิม หนึ่งสามารถ
ใช้อัลกอริทึมเร็วกระชับได้
•สาม Delaunay (DT): สำหรับชุดของ P จุดในเครื่องบิน มันเป็นสามตัวเช่นที่จุดใน P อยู่ภายใน circumcircle ของสามเหลี่ยมใด ๆ ในระบบสามสกุล มันมีแนวโน้มจะหลีกเลี่ยงสามเหลี่ยมผอม สามที่จำเป็นสำหรับการแมปเนื้อ
•แปลง Affine: แปลงใด ๆ ที่สามารถแสดงในรูปของการคูณเมตริกซ์ตามนี้เวกเตอร์ นี้สามารถใช้สำหรับ
เนื้อแม็ปได้
•ก่อให้เกิดจาก Orthography และปรับมาตราส่วนด้วยซ้ำ (POSIT): อัลกอริทึมในการมองเห็นคอมพิวเตอร์ที่ที่ทำก่อให้เกิด 3D ประเมินได้

ผลลัพธ์ (ไทย) 2:

•วิเคราะห์องค์ประกอบหลัก (PCA): แปลงเชิงเส้นตั้งฉาก
ที่แปลงข้อมูลไปยังระบบพิกัดใหม่ ๆ ที่ยิ่งใหญ่ที่สุดของ
ความแปรปรวนโดยการประมาณการของข้อมูลใด ๆ มาถึงอยู่บนพิกัดแรก
(เรียกว่าองค์ประกอบหลักเป็นครั้งแรก) ที่ยิ่งใหญ่ที่สุดที่สอง ความแปรปรวนที่
สองประสานงานและอื่น ๆ ขั้นตอนนี้มักจะใช้ในมิติ
การลด เมื่อลดขนาดของปัญหาเดิมหนึ่งสามารถ
ใช้อัลกอริทึมที่เร็วขึ้นกระชับ
•เนย์ Triangulation (DT): สำหรับชุดของจุด P ในเครื่องบินมันเป็นสมการดังกล่าวว่าจุด P ไม่มีที่อยู่ภายใน circumcircle ของ สามเหลี่ยมใด ๆ ในสมการ มันมีแนวโน้มที่จะหลีกเลี่ยงการสามเหลี่ยมผอม สมเป็นสิ่งจำเป็นสำหรับการทำแผนที่พื้นผิว
เลียนแบบการเปลี่ยนแปลง•: การเปลี่ยนแปลงใด ๆ ที่จะแสดงในรูปแบบของการคูณเมทริกซ์ตามด้วยนอกจากนี้เวกเตอร์ นี้สามารถใช้สำหรับการ
ทำแผนที่พื้นผิว
• Pose จากการันต์และการปรับขนาดด้วยซ้ำ (POSIT): อัลกอริทึมคอมพิวเตอร์วิสัยทัศน์ที่มีประสิทธิภาพ 3D ก่อให้เกิดประมาณ

ผลลัพธ์ (ไทย) 3:

- การวิเคราะห์องค์ประกอบหลัก ( PCA ) : การแปลงเชิงเส้นเชิงตั้งฉาก
ที่แปลงข้อมูลใหม่ ระบบพิกัดที่แปรปรวนมากที่สุด
โดยประมาณการของข้อมูลมานอนลงบน
พิกัดแรก ( เรียกว่าองค์ประกอบหลักแรก ) , ความแปรปรวนมากที่สุดที่สองใน
พิกัดที่สองและอื่น ๆ วิธีนี้มักใช้ในการลด dimensionality

เมื่อลดขนาดของปัญหาเดิม สามารถใช้วิธีกระชับเร็วขึ้น
.
- เนย์สามเส้า ( DT ) : สำหรับชุดของจุดจุดในระนาบ เป็นสามเส้าดังกล่าวว่าไม่มีจุด P อยู่ circumcircle ของสามเหลี่ยมใน Triangulation . มันมีแนวโน้มที่จะหลีกเลี่ยงสามเหลี่ยมผอม พระสามเหลี่ยมเป็นสิ่งจำเป็นสำหรับการทำแผนที่พื้นผิว .
- รวมการแปลง :การเปลี่ยนแปลงใด ๆที่สามารถแสดงในรูปแบบของเมทริกซ์การคูณตามเวกเตอร์และ นี้สามารถใช้เพื่อการทำแผนที่พื้นผิว
.
- ท่าจากอักขรวิธีและปรับด้วยซ้ำ ( เดา ) : วิสัยทัศน์คอมพิวเตอร์อัลกอริทึมที่มีประสิทธิภาพ 3D ท่าประมาณ