في مهمة مثل التعرف على الوجه، والكثير من المعلومات المهمة قد تكون واردة في العلاقات ذات الترتيب العالي بين الصورة بكسل. وهناك عدد من وجه خوارزميات الاعتراف توظف تحليل المكون الرئيسي (PCA)، والتي تقوم على إحصاءات من الدرجة الثانية من مجموعة صورة، ولا تعالج تبعيات الإحصائية ذات الترتيب العالي مثل العلاقات بين ثلاثة أو أكثر بكسل. تحليل عنصر المستقلة (ICA) هو تعميم PCA الذي يفصل بين لحظات ذات الترتيب العالي للمدخلات بالإضافة إلى لحظات من الدرجة الثانية. تم تنفيذ ICA على مجموعة من الصور الوجه بواسطة خوارزمية التعلم غير خاضعة للرقابة المستمدة من مبدأ نقل المعلومات الأمثل من خلال الخلايا العصبية السيني. الخوارزمية يزيد من المعلومات المتبادلة بين المدخلات والمخرجات، التي تنتج مخرجات مستقلة إحصائيا في ظل ظروف معينة. كان التمثيل ICA متفوقة على التمثيل على أساس تحليل المكونات الرئيسية للالتعرف على الوجوه عبر جلسات والتغيرات في التعبير
المتطلبات:.
ماتلاب
لم يتم العثور على التعليقات