CONCLUSIONIn this paper a total sub

CONCLUSION
In this paper a total subjects are taken three. Each
person with 9 variant images. Hence total images taken
are 27. Here 17 images are of changed angle, 4 images
are of front faces, 4 are of changed expressions and 2
are of changed complexions. It is observed that the
Euclidian distance method does not take into account
the variability of the values in all dimensions
particularly for images with changed angle, and is
therefore not an optimum discriminant analysis
algorithm for this case. The L1 norm (Manhattan
distance) distance gives the better results as Euclidean
distance method, it has recognized total 8(29.69%)
images out of 27 while L1 norm (Manhattan distance)
has recognized total 11(40.74) images out of 27. Hence
using L1 norm distance there is an improvement in the
performance.

ผลลัพธ์ (ไทย) 1:

บทสรุปในกระดาษทั้งเรื่องจะถ่าย 3 แต่ละบุคคลที่ มีตัวแปรภาพ 9 ดังนั้นรวมภาพถ่ายมี 27 ภาพที่ 17 ประการเปลี่ยนมุม รูปที่ 4มีของใบหน้าหน้า 4 มีเปลี่ยนแปลงนิพจน์ 2มี complexions เปลี่ยนแปลง จะสังเกตที่การวิธีห่าง Euclidian ไม่คำนึงความแปรผันของค่ามิติทั้งหมดโดยเฉพาะอย่างยิ่งสำหรับภาพเปลี่ยนมุม และเป็นดังนั้นจึงไม่เหมาะสม discriminant การวิอัลกอริทึมสำหรับกรณีนี้ ปกติ L1 (แมนฮัตตันระยะห่างให้ผลดีเป็น Euclideanระยะวิธี มันได้รับรู้รวม 8(29.69%)ภาพจาก 27 ในขณะปกติ L1 (ห่างจากแมนฮัตตัน)มีการรับรู้ภาพรวม 11(40.74) จาก 27 ดังนั้นใช้ L1 ปกติระยะที่มีการปรับปรุงในการประสิทธิภาพของ

ผลลัพธ์ (ไทย) 2:

สรุปในบทความนี้วิชารวมจะถูกนำสาม
แต่ละคนที่มีความแตกต่างจากภาพที่ 9
ภาพรวมดังนั้นการดำเนินการอยู่ที่นี่ 27 17 ภาพของมุมการเปลี่ยนแปลง 4 ภาพที่มีใบหน้าหน้า4 ของการแสดงออกที่มีการเปลี่ยนแปลงและ 2 มีผิวที่เปลี่ยนแปลงไป มันเป็นที่สังเกตว่าวิธีการระยะ Euclidian ไม่ได้คำนึงถึงความแปรปรวนของค่าในทุกมิติที่ให้ภาพที่มีมุมโดยเฉพาะอย่างยิ่งการเปลี่ยนแปลงและดังนั้นจึงไม่การวิเคราะห์จำแนกเหมาะสมอัลกอริทึมสำหรับกรณีนี้ บรรทัดฐาน L1 (แมนฮัตตันระยะทาง) ระยะทางให้ผลลัพธ์ที่ดีกว่ายุคลิดเป็นวิธีการระยะทางที่มันได้รับการยอมรับทั้งหมด 8 (29.69%) ภาพที่ออกมาจากที่ 27 ในขณะที่บรรทัดฐาน L1 (แมนฮัตตันระยะทาง) ได้รับการยอมรับทั้งหมด 11 (40.74) ภาพจาก 27 ดังนั้นโดยใช้ระยะบรรทัดฐาน L1 มีการปรับปรุงในการที่ผลการดำเนินงาน

ผลลัพธ์ (ไทย) 3:

สรุป
ในกระดาษนี้รวมคนถ่าย 3 แต่ละคนภาพ
9 ตัวแปร ดังนั้น รวมภาพที่ถ่าย
เป็น 27 ที่นี่ 17 ภาพมีเปลี่ยนมุม 4 ภาพ
มีใบหน้าหน้า 4 จะเปลี่ยนสีหน้าและ 2
มีเปลี่ยน complexions . มันเป็นที่สังเกตว่า
euclidian ระยะทางวิธีไม่ได้คำนึงถึงความผันแปรของค่า

ในมิติต่างๆโดยเฉพาะภาพที่เปลี่ยนมุม และดังนั้นจึงไม่เหมาะสมต่อ

การวิเคราะห์ขั้นตอนวิธีสำหรับกรณีนี้ ส่วน L1 บรรทัดฐาน ( แมนฮัตตัน
ระยะทาง ) ระยะทางจะให้ผลดีกว่าวิธีใช้ระยะทาง
, มันได้รับการยอมรับทั้งหมด 8 ( 29.69 ) %
ภาพออกจาก 27 ในขณะที่ L1 บรรทัดฐาน ( Manhattan distance )
ได้รับทั้งหมด 11 ( 40.74 ) ภาพจาก 27 ดังนั้น
ปกติใช้ L1 ระยะทางมีการปรับปรุงใน
)