Sebuah Incremental Principal Component Analysis Baru dan Aplikasinya untuk Pengenalan Wajah

Zhao, Haitao, Pong Chi Yuen, and James T. Kwok.

Abstrak. Principal Component Analysis (PCA) telah terbukti sebagai sebuah metode efisien dalam pengenalan pola dan analisis citra. Baru-baru ini, PCA telah secara luas dipakai untuk algoritma pengenalan wajah, seperti eigenface dan fisherface. Hasil menarik telah dilaporkan dan dibahas dalam literatur. Banayk sistem pengenalan wajah berbasis PCA juga telah dikembangkan dalam dekade terakhir. Namun, pengenalan wajah berbasis PCA yang ada sulit untuk diperbesar karena biaya komputasi dan beban kebutuhan memori. Untuk mengatasi keterbatasan ini, sebuah pendekatan inkremental biasanya diadopsi. Metode Incremental PCA(IPCA) telah dikaji selama beberapa tahun dalam komunitas pembelajaran mesin.
Batasan besar dari metode IPCA yang ada adalah tidak ada jaminan pada pendekatan error. Dalam pandangan batasan ini, paper ini mengusulkan sebuah metode IPCA baru yang dibasiskan pada ide Singular Value Decomposition(SVD) dalam pembaharuan algoritma, yang disebut sebuah algoritma SVD updating-based IPCA (SVDU-IPCA).
Dalam algoritma SVDU-IPCA yang diusulkan, kami telah membuktikan secara matematis bahwa pendekatan error bersifat terbatas. Karakteristik lainnya dari algoritma SVDU-IPCA yang diusulkan adalah algorimta tersebut bisa dengan mudah dikembankan pada sebuah versi kernel. Metode yang diusulkan telah dievaluasi menggunakan database publik yang tersedia, antaralain, FERET , AR, dan Yale B, dan diterapkan pada algoritma pengenalan wajah yang ada. Hasil percobaan menunjukkan bahwa perbedaan antara rata-rata akurasi pengenalan antara metode inkremental yang diusulkan dan mode batch kurang dari 1 %. Hal ini menandakan bahwa metode SVDU-IPCA yang diusulkan memberikan sebuah pendekatan yang erat dengan metode PCA berbasis batch.

Leave a Reply

Your email address will not be published. Required fields are marked *

*

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>