Independent Components Analysis (IC

Independent Components Analysis (ICA) for face recognition has been applied in [8]. ICA seeks a non-orthogonal basis so that the transformed features are statistically independent, while PCA finds an orthogonal basis for face images so that the transformed features are uncorrelated. The basis images developed by PCA depend only on second-order statistics. ICA generalizes the concept of PCA to model higher-order statistical relationships. Original motivation for this decomposition comes from the need to separate audio streams into independent sources without prior knowledge of the mixing process.

Kết quả (Việt) 1:

Độc lập thành phần phân tích (ICA) cho nhận dạng khuôn mặt đã được áp dụng trong [8]. ICA tìm kiếm cơ sở phòng không trực giao do đó tính năng chuyển đổi có ý nghĩa thống kê độc lập, trong khi PCA tìm thấy một cơ sở trực giao cho hình ảnh khuôn mặt vì vậy mà các tính năng chuyển đổi là không. Những hình ảnh cơ sở phát triển bởi PCA phụ thuộc chỉ vào thứ hai để thống kê. ICA generalizes khái niệm PCA để mô hình cao trật tự mối quan hệ thống kê. Các động lực ban đầu cho phân hủy này xuất phát từ sự cần thiết để tách file âm thanh vào các nguồn tin độc lập mà không có kiến thức trước khi quá trình trộn.

Kết quả (Việt) 2:

Các thành phần độc lập phân tích (ICA) để nhận dạng khuôn mặt đã được áp dụng trong [8]. ICA tìm một cơ sở không trực giao để các tính năng chuyển đổi là độc lập thống kê, trong khi PCA tìm thấy một cơ sở trực giao cho hình ảnh khuôn mặt để các tính năng chuyển đổi là không tương quan. Các hình ảnh cơ sở phát triển bởi PCA chỉ phụ thuộc vào số liệu thống kê bậc hai. ICA khái quát các khái niệm về PCA để mô hình mối quan hệ thống kê bậc cao. Động lực ban đầu cho phân hủy này xuất phát từ sự cần thiết để tách các đoạn audio thành các nguồn độc lập mà không cần kiến ​​thức về quá trình trộn.