and then subspace Principal Compone

and then subspace Principal Component Analysis (PCA) or Linear Discriminant Analysis (LDA) method is employed for further dimensionality reduction and to acquire a good representation of facial features.

ผลลัพธ์ (ไทย) 1:

แล้ว subspace วิเคราะห์ส่วนประกอบหลัก (PCA) หรือวิธีการวิเคราะห์ Discriminant เชิงเส้น (LDA) เป็นลูกจ้างต่อไป dimensionality ลด และรับตัวแทนที่ดีของผิวหน้า

ผลลัพธ์ (ไทย) 2:

แล้วที่สำคัญสเปซวิเคราะห์องค์ประกอบ (PCA) หรือการจำแนกเชิงเส้นการวิเคราะห์ (LDA) วิธีการเป็นลูกจ้างในการลดมิติต่อไปและจะได้รับการเป็นตัวแทนที่ดีของใบหน้า

ผลลัพธ์ (ไทย) 3:

แล้วย่อยการวิเคราะห์องค์ประกอบหลัก ( PCA ) หรือการวิเคราะห์เชิงเส้น ( lda ) เป็นวิธีที่ใช้สำหรับการลด dimensionality เพิ่มเติมและรับเป็นตัวแทนที่ดีของใบหน้า .