NUMEROUS face recognition methods,

NUMEROUS face recognition methods, such as principal
component analysis (PCA) , independent component
analysis (ICA) , and linear discriminant analysis
(LDA) , have been introduced to achieve successful face
recognition, which attempt to estimate a low-dimensional subspace
for dimensionality reduction and have been demonstrated
effectiveness for face recognition. Moreover, an unsupervised
feature extraction plus supervised classification, that is, kernel
PCA plus LDA (KPCA+LDA) , has been introduced for
classification. Sparse representation classification (SRC)
has been introduced for face recognition, which is now an
important tool for computer vision.

ผลลัพธ์ (ไทย) 1:

ใบหน้าการรู้วิธีการมากมาย เช่นหลักการวิเคราะห์ส่วนประกอบ (PCA), ประกอบอิสระวิเคราะห์ (ICA), และการวิเคราะห์เชิงเส้น discriminant(LDA), ถูกนำมาใช้เพื่อให้ได้ใบหน้าสำเร็จการรับรู้ ซึ่งพยายามประเมิน subspace ที่มิติต่ำสำหรับการลดมิติ และได้แสดงให้เห็นประสิทธิภาพสำหรับการรู้จำใบหน้า นอกจากนี้ การเตรียมการสกัดคุณลักษณะบวกประเภทดูแล นั่นคือ เคอร์เนลPCA บวก LDA (KPCA + LDA), มีการแนะนำสำหรับการจัดประเภท การจัดประเภทการแสดงห่าง (SRC)มีการแนะนำสำหรับการจดจำใบหน้า ซึ่งขณะนี้มีเครื่องมือที่สำคัญสำหรับคอมพิวเตอร์วิทัศน์

ผลลัพธ์ (ไทย) 2:

วิธีการจดจำใบหน้ามากมายเช่นเงินต้น
วิเคราะห์องค์ประกอบ (PCA) ส่วนประกอบที่เป็นอิสระ
ในการวิเคราะห์ (ICA) และการวิเคราะห์จำแนกเชิงเส้น
(LDA) ได้รับการแนะนำเพื่อให้บรรลุใบหน้าที่ประสบความสำเร็จ
ได้รับการยอมรับซึ่งพยายามที่จะประเมินสเปซมิติต่ำ
สำหรับการลดมิติ และได้รับการแสดงให้เห็นถึง
ความมีประสิทธิภาพสำหรับการจดจำใบหน้า นอกจากนั้นใกล้ชิด
สกัดคุณลักษณะบวกจำแนกประเภทภายใต้การดูแลที่เป็นเคอร์เนล
PCA บวก LDA (KPCA + LDA) ได้รับการแนะนำให้รู้จักกับ
การจัดหมวดหมู่ เบาบางเป็นตัวแทนการจัดหมวดหมู่ (SRC)
ได้รับการแนะนำให้รู้จักกับการจดจำใบหน้าซึ่งกลายเป็น
เครื่องมือสำคัญสำหรับคอมพิวเตอร์วิสัยทัศน์