یادگیری ماشین و بینایی رایانه ای

استخراج ویژگی از تصویر با PCA و کلاس بندی تصاویر با SVM (قسمت دوم)

استخراج ویژگی از تصویر با PCA و کلاس بندی تصاویر با SVM (قسمت دوم)

در مطلب قبلی (کاهش بعد سیگنال و تصویر با PCA)، نحوه محاسبه مولفه های اساسی یک سری داده و همچنین کاهش بعد داده ها شرح داده شد. در این پست می خواهم نحوه استفاده از روش تجزیه به مولفه های اساسی برای استخراج ویژگی و برای کلاس بندی تصاویر با مثال در متلب توضیح دهم. مشاهده ادامه مطلب…

کاهش بعد سیگنال و تصویر (استخراج ویژگی) با تجزیه مولفه های اصلی (PCA) در متلب (قسمت اول)

کاهش بعد سیگنال و تصویر (استخراج ویژگی) با تجزیه مولفه های اصلی (PCA) در متلب (قسمت اول)

تجزیه به مولفه های اصلی (PCA) یک روش برای استخراج ویژگی از داده (سیگنال یا تصویر) می باشد. به تعبیر دیگر می توان با PCA کاهش بعد انجام داد. در ادامه منظور بعد تصویر یا سیگنال را توضیح خواهم داد، و سپس توضیحی اجمالی در رابطه با تجزیه به مولفه های اصلی و نحوه پیاده مشاهده ادامه مطلب…