In een taak als gezichtsherkenning, veel van de belangrijke informatie kan worden opgenomen in de hoge orde relaties tussen de beeldpixels. Een aantal gezicht herkenningsalgoritmen dienst principal component analyse (PCA), die gebaseerd is op de tweede-orde statistiek van het beeld set, en gaat niet in op high-order statistische afhankelijkheden, zoals de relaties tussen drie of meer pixels. Onafhankelijke componenten analyse (ICA) is een generalisatie van PCA waarop de hoge orde momenten van de input naast de tweede-orde momenten scheidt. ICA werd uitgevoerd op een set van gezicht beelden door een clustering algoritme afgeleid van het principe van optimale informatie-overdracht via sigmoidaal neuronen. Het algoritme maximaliseert de wederzijdse informatie tussen de input en de output, die statistisch onafhankelijke uitgangen produceert onder bepaalde voorwaarden. . ICA vertegenwoordiging was superieur aan voorstellingen op basis van principale componenten analyse voor het herkennen van gezichten tussen sessies en veranderingen in expressie
Eisen
Matlab
Reacties niet gevonden