which removes the mean of each imag

which removes the mean of each image before applying principal component
analysis and drops the first principal components, can help
to lighting effects for face classification [10]. Simulation
results reveal that the IPCRC outperforms the conventional
principal component regression classification (PCRC),
the LRC, the ridge regression classification (RRC) and the discriminant-
based approaches for face recognition under illumination
changes.

ผลลัพธ์ (ไทย) 1:

ที่เอาความหมายของแต่ละภาพก่อนที่จะใช้ส่วนประกอบหลักสามารถช่วยวิเคราะห์และคอมโพเนนต์หลักแรก หยดผลกระทบของแสงสำหรับการจัดประเภทใบหน้า [10] จำลองผลลัพธ์แสดงว่า IPCRC ที่มีประสิทธิภาพสูงกว่าแบบดั้งเดิมการจัดประเภทการถดถอยที่ส่วนประกอบหลัก (PCRC),lrc เป็นการ การจัดประเภทถดถอยริดจ์ (RRC) และ discriminant-ใช้วิธีการจดจำใบหน้าภายใต้แสงสว่างการเปลี่ยนแปลง

ผลลัพธ์ (ไทย) 2:

ที่เอาความหมายของภาพแต่ละภาพก่อนที่จะใช้องค์ประกอบหลัก
วิเคราะห์และการลดลงในองค์ประกอบหลักแรกสามารถช่วย
ในการผลกระทบของแสงสำหรับการจำแนกใบหน้า [10] จำลอง
ผลการศึกษาพบว่า IPCRC มีประสิทธิภาพดีกว่าเดิม
จำแนกองค์ประกอบหลักถดถอย (PCRC)
LRC ได้, การจัดหมวดหมู่สันถดถอย (RRC) และ discriminant-
วิธีการที่ใช้สำหรับการจดจำใบหน้าภายใต้การส่อง
เปลี่ยนแปลง

ผลลัพธ์ (ไทย) 3:

ที่เอาค่าเฉลี่ยของแต่ละภาพก่อนที่จะใช้องค์ประกอบหลักการวิเคราะห์องค์ประกอบหลักและหยดแรกจะช่วยให้การแสงผลที่หน้าหมวดหมู่ [ 10 ] การจำลองผลการศึกษาพบว่า ipcrc มีประสิทธิภาพดีกว่าปกติการจัดองค์ประกอบหลัก ( pcrc )ที่แอลอาร์ซี , จ๋าหมวดหมู่ ( RRC ) และจำแนกประเภท -ตามแนวทางใบหน้าภายใต้รัศมีการเปลี่ยนแปลง