2) singular eigenvalue problem
奇异特征值
1.
Positive solution for second order singular eigenvalue problem;
关于二阶奇异特征值问题的正解
3) singular value feature
奇异值特征
1.
Face recognition based on singular value feature and support vector machines;
基于奇异值特征和支持向量机的人脸识别
2.
The first one is a frontal view upright face detection algorithm based on the well known singular value feature (SVF) and discrete hidden Markov models (HMM).
该文提出了基于离散隐马尔可夫模型 (HMM )和奇异值特征的人脸检测方法。
3.
The eigenface feature and singular value feature were extracted, and the classifying was implemented by using the different classifiers corresponding to the d.
文中在对原始图像进行小波变换预处理的基础上 ,抽取本征脸特征和奇异值特征 ,并利用对应着两类特征的多分类器进行分类。
4) Singular value features
奇异值特征
1.
A new approach for face recognition on singular value features and neural networks is presented,in which singular values of face image matrix are used as features,and Back-Propagation(BP) network as recognition.
本文在ZHong等人使用的奇异值分解 (SVD)基础上 ,将人脸图像矩阵的奇异值作为识别特征 ,解决了奇异值处理、神经网络训练策略和竞争选择问题 ;运用BP网络进行识别 ,提出了一种基于奇异值特征的神经网络人脸识别新方法 。
5) singular value vector
奇异值向量
1.
Segmenting the target image to recognize into sub-images,a singular value decomposition is conducted for them to extract singular value vectors so as to form an observation sequence,i.
将待识别的目标图像进行分割,对子图像进行奇异值分解,提取奇异值向量形成观测序列,即图像奇异值向量作为HMM的观测向量。
2.
The singular value vector of face image is analyzed and its nature is revealed,i.
进一步研究发现,导致基于奇异值向量人脸识别算法识别率低的根本原因是:不同人脸图像对应的奇异值向量所在的基空间不一致、奇异值向量与人脸图像之间并不存在一一对应关系、奇异值向量具有不可分割性。
6) Local singular value features
局部奇异值特征
补充资料：特征值和特征向量
| 特征值和特征向量 characteristic value and characteristic vector 数学概念。若σ是线性空间V的线性变换，σ对V中某非零向量x的作用是伸缩 ：σ（x）＝aζ ，则称x是σ的属于a的特征向量 ，a称为σ的特征值。位似变换σk（即对V中所有a，有σk（a）＝kα）使V中非零向量均为特征向量，它们同属特征值k；而旋转角θ（0＜θ＜π）的变换没有特征向量。可以通过矩阵表示求线性变换的特征值、特征向量。若A是n阶方阵，I是n阶单位矩阵，则称xI－A为A的特征方阵，xI-A的行列式 ｜xI－A｜展开为x的n次多项式 fA（x）＝xn－（a11＋…＋ann）xn-1＋…＋（－1）n｜A｜，称为A的特征多项式，它的根称为A的特征值。若λ0是A的一个特征值，则以λ0I－A为系数方阵的齐次方程组的非零解x称为A的属于λ的特征向量：Ax＝λ0x。L.欧拉在化三元二次型到主轴的著作里隐含出现了特征方程概念，J.L.拉格朗日为处理六大行星运动的微分方程组首先明确给出特征方程概念。特征方程也称永年方程，特征值也称本征值、固有值。固有值问题在物理学许多部门是重要问题。线性变换或矩阵的对角化、二次型化到主轴都归为求特征值特征向量问题。每个实对称方阵的特征根均为实数。A.凯莱于19世纪中期通过对三阶方阵验证，宣告凯莱-哈密顿定理成立，即每个方阵A满足它的特征方程，fA(A)＝An－(a11＋…＋ann)An-1＋…＋(－1)n｜A｜I＝0。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条