4. Proposed methodIn this section,

4. Proposed method
In this section, the Fukunaga Koontz transform (FKT) method is
first reviewed and then the proposed multi-class Fukunaga Koontz
discriminant analysis (FKDA) is described.
The traditional FKT is similar to PCA in terms of dimensionality
reduction but does a better job in discriminating two classes. The
FKT incorporates data from both positive and negative classes and
uses eigen decomposition on the joint correlation matrix in order
to find the optimal basis vectors that very well represent one class
while having the least representation power on the other class.
Let XARdm be the data set containing the images from Class 1,
with each column a vectorized image with dimension d. Let YA
Rdn be the data set containing all the images from Class 2. Both X

ผลลัพธ์ (ไทย) 2:

4.
วิธีการที่นำเสนอในส่วนนี้Fukunaga ทซ์เปลี่ยน (บริษัท FKT)
วิธีการคือการตรวจสอบก่อนแล้วจึงเสนอหลายระดับFukunaga
ทซ์วิเคราะห์จำแนก(FKDA) อธิบายไว้.
บริษัท FKT แบบดั้งเดิมจะคล้ายกับ PCA
ในแง่ของมิติลดลงแต่ไม่ งานที่ดีขึ้นในการแบ่งแยกสองชั้น
บริษัท FKT รวมเอาข้อมูลจากทั้งชั้นเรียนในเชิงบวกและเชิงลบและใช้การสลายตัวไอเกนในเมทริกซ์ความสัมพันธ์ร่วมกันเพื่อหาพาหะพื้นฐานที่ดีที่สุดนั้นเป็นอย่างดีเป็นตัวแทนหนึ่งระดับในขณะที่มีอำนาจการแสดงอย่างน้อยในระดับอื่นๆ . ให้ XARdm เป็นชุดข้อมูล ที่มีภาพจากชั้นที่ 1 กับแต่ละคอลัมน์ภาพ vectorized กับ d มิติ ให้ YA Rdn เป็นข้อมูลชุดที่มีภาพทั้งหมดจากชั้น 2 ทั้งสอง X

ผลลัพธ์ (ไทย) 3:

4 . วิธีที่เสนอ
ในส่วนนี้ คุณฟุกุนากะคุสเปลี่ยน ( fkt ) วิธีการคือ
สุดท้ายก่อนแล้วเสนอหลายคลาส ฟุกุนากะ คุส
จำแนกการวิเคราะห์ ( fkda ) อธิบาย .
fkt ดั้งเดิมคล้ายคลึงกับระบบในแง่ของการลด dimensionality
แต่ไม่ได้งานที่ดีในการแยกแยะสองคลาส
fkt ประกอบด้วยข้อมูลจากทั้งทางบวกและทางลบ ชั้นเรียนและ
ใช้ eigen การสลายตัวในเมทริกซ์ความสัมพันธ์ร่วมกันเพื่อหาที่เหมาะสม
พื้นฐานเวกเตอร์ดีเป็นตัวแทนหนึ่งชั้นเรียน
ในขณะที่มีการแสดงพลังน้อยที่สุดในคลาสอื่น ๆให้ xardm
เป็นชุดข้อมูลที่ประกอบด้วยภาพจากห้อง 1
กับแต่ละคอลัมน์ vectorized ภาพมีมิติดี ไม่ให้ยา
RDN เป็น ชุดข้อมูลที่มีทั้งหมดภาพจากชั้น 2 ทั้ง X