To verify the performance of the Fa

To verify the performance of the Fast PCA method in
terms of processing time and mean squared error we have
compared it with the performance of EVD based method
for PCA. For the processing time, the cputime2 is evaluated
while increasing the data dimensionality. Similarly, mean
squared error is evaluated while increasing the data dimensionality.
We have generated uniformly distributed random
vectors of dimensions starting from 100 and going up to
4000. The number of samples or feature vectors is fixed
and is 100. The dimension is reduced to h = 10 in all the
cases and the tolerance (Eq. (8)) is set to 0.01 in the verification
of the algorithm.

ผลลัพธ์ (ไทย) 1:

การตรวจสอบประสิทธิภาพของวิธี PCA อย่างรวดเร็วในเงื่อนไขของการประมวลผลเวลา และหมายความว่า เรามีข้อผิดพลาดกำลังสองเมื่อเทียบกับประสิทธิภาพการทำงานของอีวีดีโดยใช้วิธีสำหรับ PCA เวลาประมวลผล cputime2 จะถูกประเมินในขณะที่ dimensionality ข้อมูลเพิ่มมากขึ้น ความหมายในทำนองเดียวกันข้อผิดพลาดที่ยกกำลังสองรับการประเมินในขณะที่ dimensionality ข้อมูลเพิ่มเราได้สร้างกระจายสม่ำเสมอเมื่อเทียบเคียงสุ่มเวกเตอร์ขนาดเริ่มจาก 100 และไปถึง4000 คงจำนวนตัวอย่างหรือคุณลักษณะเวกเตอร์และเป็น 100 ขนาดจะลดลงเป็น h = 10 ในทั้งหมดกรณีและปัญหาและการยอมรับ (Eq. (8)) ถูกตั้งค่าเป็น 0.01 ในการตรวจสอบของอัลกอริทึมการ

ผลลัพธ์ (ไทย) 2:

ในการตรวจสอบประสิทธิภาพการทำงานของวิธี PCA
อย่างรวดเร็วในแง่ของเวลาและการประมวลผลหมายถึงข้อผิดพลาดที่เราได้ยกกำลังสองเมื่อเทียบกับประสิทธิภาพการทำงานของ
EVD
วิธีการที่ใช้สำหรับPCA สำหรับเวลาการประมวลผล, cputime2
ได้รับการประเมินในขณะที่เพิ่มมิติข้อมูล
ในทำนองเดียวกันหมายถึงข้อผิดพลาดที่สองคือการประเมินในขณะที่เพิ่มมิติข้อมูล.
เราได้สร้างการกระจายอย่างสม่ำเสมอสุ่มเวกเตอร์ที่มีขนาดเริ่มต้นที่ 100 และไปถึง 4000 จำนวนกลุ่มตัวอย่างหรือพาหะคุณลักษณะที่ได้รับการแก้ไขและ 100 มิติจะลดลงไปชั่วโมง = 10 ในทุกกรณีและความอดทน (สม. (8)) ถูกตั้งไว้ที่ 0.01 ในการตรวจสอบของขั้นตอนวิธี

ผลลัพธ์ (ไทย) 3:

เพื่อตรวจสอบประสิทธิภาพของระบบได้อย่างรวดเร็ววิธีในเงื่อนไขของเวลาการประมวลผลและหมายถึงข้อผิดพลาดเราพร้อมเมื่อเทียบกับประสิทธิภาพของ evd ตามวิธีสำหรับพีซี . สำหรับเวลาในการประมวลผล การ cputime2 เป็นประเมินในขณะที่การเพิ่มข้อมูล dimensionality . ในทํานองเดียวกัน หมายถึงสองข้อผิดพลาดคือการประเมินในขณะที่เพิ่มข้อมูล dimensionality .เราได้สร้างขึ้น โดยการกระจายแบบสุ่มเวกเตอร์ของมิติ เริ่มจาก 100 และจะไป4000 จำนวนตัวอย่างหรือคุณลักษณะการแก้ไขเวกเตอร์และ 100 ขนาดลด H = 10 ในทั้งหมดคดีและความอดทน ( อีคิว ( 8 ) ตั้งเป็น 0.01 ในการพิสูจน์ของอัลกอริทึม