MétaCan
Menu
Retour à la cohorte
Enregistrement W2028166157 · doi:10.5539/mas.v3n11p64

Modular PCA Face Recognition Based on Weighted Average

2009· article· en· W2028166157 sur OpenAlexvenueno aff
Chengmao Han

Notice bibliographique

RevueModern Applied Science · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueFace and Expression Recognition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModular designPattern recognition (psychology)Computer sciencePrincipal component analysisArtificial intelligenceClassifier (UML)Facial recognition systemBlock (permutation group theory)Matrix (chemical analysis)Training setMathematicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

This paper presents an improved modular PCA approach, that is, modular PCA algorithm based on weighted average. This algorithm extracts weighted average for every sub-block of every training sample in each type of training sample, and normally operates the corresponding sub-block in training sample using weighted average, then all standardized sub-blocks constitute the overall scatter matrix, and thus the optimal projective matrix is obtained; From the middle value of sub-blocks in training set, and normally projecting sub-blocks of training samples and test samples to the projective matrix, then we can get identified characteristics; At last, use the recent distance classifier to class. The test results in the ORL face database show that the proposed method in identifying performance is superior to ordinary modular PCA approach.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,718

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,229
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetFace and Expression RecognitionTravaux en français237 207