کمک : درخواست مقاله [بایگانی]

مصطفی ساتکی

یک شنبه 08 مرداد 1391, 11:06 صبح

LDA (Linear discrimination analysisهمانند PCA تحلیلی بر روی بردارها ویژگی هستش بردارها و مقادیر ویژه ای که از ماتریس کوواریانس بدست آمده.
در PCA بردارهای ویژگی در جهتی قرار می گرفتند که بیشترین واریانس در داده های ما در آن راستا قرار داشت و خط عمود بر این راستا به عنوان اولین بردار ویژگی بدست می آمد در اینجا ما کاهش ابعاد داریم یعنی داده ها n بعدی به داده های 2 بعدی یا یک بعدی کاهش پیدا می کنند در واقع مجموعه ای کوچکی از اطلاعات از روی داده های ورودی بدست میاریم
حالا تو LDA هم مجموعه کوچکی از اطلاعات بدست آورده که این اطلاعات از داده های ورودی بدست آمده در PCA قصد ما classificatio نبود ولی در LDA ما قصد Classification داده های ورودی را داریم
در LDA ما ویژگی هایی را از طریق تحلیل بردارهای ویژه (بدست آمده از ماتریس کوواریانس) بدست میاریم به طوریکه واریانس درون کلاس ها کاهش یافتن و واریانس مابین کلاس ها افزایش پیدا کنه به طوریکه محورهای رو تعیین می کنه که بوسیله این محورهای مرز های تصمیم گیری مشخص میشه
از جمله خواص مهم LDA به ای صورت هستش که شما چنیدن آبجکت دارید و از زوایای مختلف از این آبجکت تصویر دارید نقاطی رو که مربوط به یک آبجکت می باشد را به هم نزدیک تر و نقاط مربوط به آبجکت های مختلف را از هم دورتر می کند
مثلاً شناسایی زن و مرد بودن چهره یا شناسایی انواع چهره ها در قاره های مختلف

و اما با viola jons شباهت خاصی نداره در روش VJ ویژگی از طریق Integral Image بدست میاد و انتخاب آنها توسط adaboost صورت می گیره