تحليل المكون الرئيسي غير الخطي شفرة مصدر بسيطة وفعالة للتعرف على الوجه بناء على PCA غير الخطية.
التحميل الان

تحليل المكون الرئيسي غير الخطي الترتيب والملخص

تحليل المكون الرئيسي غير الخطي العلامات

وجه التعرف على محرر غير الخطية ضاغط غير الخطي غير الخطية تمييز الوجوه الوجه تستند إلى تسجيل الدخول العنصر غير الخطي

تحليل المكون الرئيسي غير الخطي وصف

الحد من الأبعاد يسهل تصنيف النمط بشكل كبير. تم اقتراح تقنيات مختلفة وخطية وغير الخطية، واستخدامها على نطاق واسع في الحد من الأبعاد في أنظمة الاعتراف بالوجه. أثبت تحليل المكونات الرئيسية (PCA) أنها طريقة خطية بسيطة وفعالة؛ في حين أن العديد من الطرق غير الخطية مثل Kernel PCA، تم اقتراحها مؤخرا. ينظر إلى تحليل المكون الرئيسي غير الخطي (NLPCA) بشكل عام باعتباره تعميم غير خطي لتحليل المكون الرئيسي القياسي (PCA). تعميم المكونات الرئيسية من خطوط مستقيمة إلى منحنيات (غير الخطية). وبالتالي، فإن الفضاء الفرعي في مساحة البيانات الأصلية التي وصفها جميع المكونات غير الخطية هي منحنية أيضا. يمكن تحقيق PCA غير الخطية باستخدام شبكة عصبية مع بنية كهربائية ذاتية تعرف أيضا باسم شبكة AutoNcoder أو Network هذه الشبكة العصبية AutoAssociative هي perceptron متعدد الطبقات التي تنفذ تعيين هوية، مما يعني أن إخراج الشبكة مطلوب أن يكون متطابقا للإدخال. ومع ذلك، في منتصف الشبكة، تعد طبقة تعمل كقاتجة يتم فيها تطبيق تخفيض في البعد من البيانات. توفر طبقة الاختناق هذه قيم المكونات المطلوبة (النتائج). قمنا بتطوير خوارزمية بسيطة تستخدم هذا الحد غير الخطي الأبعاد للاعتراف بالوجه. لا يتطلب هذا النهج اكتشاف أي نقطة مرجعية ويمكن استخدامها للتطبيقات في الوقت الفعلي.

تحليل المكون الرئيسي غير الخطي برامج ذات صلة