I en uppgift som ansiktsigenkänning, mycket av den viktiga informationen kan finnas i de högre ordning relationer mellan bildpunkter. Ett antal ansiktsigenkänning algoritmerna använder principalkomponentanalys (PCA), som är baserad på andra ordningens statistik av bilduppsättningen, och behandlar inte högre ordningens statistiska beroenden såsom förhållandet mellan tre eller fler bildpunkter. Oberoende komponentanalys (ICA) är en generalisering av PCA som separerar de höga order stunder av ingången utöver de andra ordningens stunder. ICA utfördes på en uppsättning ansiktsbilder av en oövervakad inlärning algoritm som härrör från principen om optimal informationsöverföring via sigmoidala nervceller. Algoritmen maximerar ömsesidig information mellan ingången och utgången, som producerar statist oberoende utgångar på vissa villkor. . ICA representation var överlägsen representationer baserade på huvudkomponenter analys för att känna igen ansikten över sessioner och förändringar i uttryck
Krav :
Matlab
Kommentarer hittades inte