nhieân ta khoâng theå loaïi boû caùc ñaëc tröng moät caùch<br />
ñöôïc caùc troïng soá toái öu cho moãi lôùp Nô - ron cuûa<br />
<br />
<br />
<br />
<br />
Nô - ron.<br />
<br />
<br />
<br />
<br />
chaäm quaù trình xöû lyù cuûa maïng Nô - ron. Nhöng<br />
<br />
<br />
<br />
<br />
taêng toác ñoä xöû lyù cuûa maïng Nô - ron. Tuy nhieân,<br />
<br />
<br />
<br />
<br />
Hieän töôïng naøy ñöôïc goïi laø söï aûnh höôûng<br />
cuûa caùc chieàu ñaëc tröng, ñöôïc theå hieän nhö<br />
hình 4.<br />
18 Internal Scientific Journal – Viet Nam Aviation Academy, Vol 1, Dec 2018<br />
<br />
<br />
5000 pixels v�a phân t�ch đư�c đ�phân d�ng c� c đi� m d�li� u v� o s�thu đư�c m�tt� p d�li� u<br />
cho hai h�<br />
ng k�t�bi� n s�v�sau đ�l�tr�<br />
ch xu�<br />
t m�i.<br />
Cơ s�= d�li� u khuôn m� t đ�hu� n luy� n<br />
mạng nơ-ron l�c� c� nh 2-D c�k� ch thư� 320<br />
pixels x 320 pixels. Trư�c khi s�d� ng PCA, các<br />
�nh trong t� p� nh hu� n luy� n đư� chuy� n đ�i<br />
thành các vector hàng 1x3202 . Các vector hàng<br />
trong t� p hu� n luy� n sau đ�đư� x� p chung<br />
trong m�t t� p h�é gọi l�không gian khuôn m� t.<br />
Sau đ�c� c eigenvector (vector đ� c trưng)<br />
thu�c không gian khuôn m� t trên đư�c tr� ch<br />
xu� t. V�eigenvector tr� ch xu� t t�không gian<br />
vector bao g� m nh�ng � nh khuôn m� t đư�c<br />
gh� p lại, nên c�th�coi đ�l�c� c eigenface.<br />
Theo c� ch nh� n n� y, eigenface quan trọng nh� t<br />
s�ch�a c� c đ� c trưng c� a m�t gương m� t c�<br />
nam v�n�trung b� nh. C� c eigenface ti� p theo<br />
(�t quan trọng hơn) s�mô t�nh�ng đ� c đi� m<br />
chung kh� c c�a gương m� t ngư�i.<br />
C� c eigenvector s�h�u c� c thu�c t� nh, c�<br />
th�đư�c x� c đ�nh ch�b�i ma tr� n vuông, c�n<br />
eigenvector (v�eigenvalue tương �ng) trong<br />
m�t n x n ma tr� n, t� t c�c� c eigenvector đ� u<br />
tr�c giao v�i nhau.<br />
V� y, t�m h�cơ s�tr�c chu� n m�i đ�thu<br />
Hình 5. Chương tr�<br />
nh nh�<br />
n dang bi�<br />
n s�k�<br />
t đư�c m�t t� p eigenface ch� nh l� đi t� m<br />
h�p khuôn m� t eigenvector v�eigenvalue trong không gian<br />
khuôn m� t.<br />
đư�c c� c k�t�. C� c d�li� u m�i sau khi đư�c chi� u v� o h�<br />
Cu�ic�ng, t� c gi�đ�ichi� u c�c v�ng ch�a cơ s�tọa đ�m�i n� y s�đư�c đưa qua mạng<br />
c�c k�t�đư�c t� ch v�i m� u c�c k�t�trong cơ neuron đ�hu� n luy� n mạng t� m ra ma tr� n trọng<br />
s�d�li� u đ�nh� n dạng. Chu�i k�t�bi� n s�xe s�t�i ưu.<br />
sau khi nh� n dạng ti�p t�c đư�c so s� nh v�ibi�n H�th�ng s�gán m�i khuôn m� t cho bi� n<br />
s�xe c� a ngư�i s�d� ng tương �ng. s�đăng k�trư� tương �ng. �ú i khi c�xe đ� n<br />
Trong k�thu� t PCA, m� c đ�ch ch�nh l�t�<br />
m c�ng, th�c hi� n x�l�, nh� n dạng bi� n s�v�<br />
h�cơ s�tọa đ�m�i sao cho cu�ic�ng khi chi� u khuôn m� t. Sau đ�ti� n h� nh so s� nh bi� n s�v�<br />
<br />
<br />
<br />
<br />
Hình 6. C�<br />
c bư�c trong k�thu�<br />
t PCA<br />
duïng. Töø ñoù coù theå phaùt trieån thaønh caùc phaàn<br />
<br />
<br />
<br />
<br />
toác ñoä xöû lyù nhanh vaø ñoä chính xaùc cao. Beân<br />