«Основной компонентный анализ (PCA), который является ядром метода Eigenfaces, находит линейную комбинацию функций, которая максимизирует общую дисперсию данных. очевидно, является мощным способом представления данных, он не рассматривает какие-либо классы, и поэтому при отбрасывании компонентов может быть потеряна большая дискриминационная информация ». (Open CV)В чем основное отличие между линейным дискриминантным анализом и анализом проксимальных компонент
Что означает «КЛАССЫ» здесь ????
Линейный дискриминантный анализ максимизирует отношение между классами к разбросу внутри классов, а не максимизирует общий разброс. Идея проста: одни и те же классы должны тесно объединяться, а разные классы как можно дальше друг от друга в нижнем-мерном представлении.
здесь также, что средний по КЛАССАМ ????
Может кто-нибудь, пожалуйста, объясните это изображение вида обработки Thanx
im собирается соответствовать эскизному лицу (рисунок фото) на цветной фотографии. поэтому для исследования я хочу выяснить, каковы проблемы, связанные с рисованием эскиза, в цвет лица. на данный момент я узнал, что 1. Разница в пикселях изображения 2. Разница в текстуре 3. Разница в расстоянии 4. и цвет (не очень большой эффект) Я хочу знать, что с технической точки зрения, какие другие проблемы и я собираюсь использовать Fisher лицом методом линейного дискриминантного анализа, и не могли бы вы рассказать мне, поможет ли этот метод для этого. thanx – user2921008
Вы работаете над гораздо более сложной проблемой, чем я могу помочь, но этот комментарий может почти стоять как собственный вопрос, и здесь есть умные люди, которые, я уверен, могли бы помочь. Если возможно, включите тестовое изображение. Удачи! –
Ничего, я вижу, что вы уже пробовали это. Один секунда, я добавлю щедрость, чтобы увидеть, есть ли у вас больше удачи (и добавьте некоторые примеры изображений, будет рассмотрен действительный комментарий, сделанный по вашему первому вопросу) –