pca主成分分析法实例
截面数据主成分分析？
截面数据主成分分析？
主成分分析(PCA)是一种统计过程，它使用正交变换将一组可能相关变量(实体，每个实体具有不同的数值)的观察值转换为一组称为主成分的线性不相关变量的值。
如果有带p个变量的n个观测值，那么不同主成分的数量为min(n-1，p)。
stata主成分分析步骤？
例子：planets数据分析
第一步：导入数据
第二步：查看数据
第三步：PCA主成份分析
第四步：screeplot碎石图
第五步：旋转rotate
第六步：因子分factor scores
第七步：使用因子变量
人脸识别中1:1比对使用什么算法？
opencv中支持三种人脸算法：
1. 特征脸pca算法
2. fisher算法
3.直方图算法
一般商用软件中1比1人脸识别用什么算法？
深度学习如何计算人脸识别？
二维主要有基于模板匹配的方法，基于奇异值特征方法，子空间分析法，局部保持投影三维人脸识别方法有基于图像特征的方法和基于模型可变参数的方法。在特征脸法的基础上,提出将Fisher线性判别分类法应用于特征提取的方法，即利用傅立叶-西萌变换(Foley-Sammon变换)，构造Fisher最佳鉴别向量集来得到一个使类内距离和类间距离兼顾的投影空间，从而改善特征脸法的分类效果。实验证明该方法是切实高效的。PCA方法是人脸识别技术中一种广泛应用的数据降维技术。当通过使用PCA变换获得的主成分去重建原始人脸图像时，能使均方误差最小。在传统的PCA基础上，提出了2DPCA方法，避免了从图像矩阵向一雏向量的转换，并在人脸识别中获得了满意的效果。
1:1如我们现在在宾馆、网吧、机场安检等的人与身份证上的照片进行比对的应用，用来证明自己是自己。目前我们在车站乘车过安检时，检票人员总是拿着身份证跟你本人做对比，证明身份证里面是不是你本人，这种场景就是1:1的场景。据相关统计证明人的肉眼识别精准度达到95%左右，但是人的眼睛是有疲劳度的，所以车站安检人员需要定时换班换岗。目的就是为了保持比较平均的识别的准确率。但是，在这种场景下，如果采用人脸识别技术，识别率可达到97%甚至是更高的准确率而且系统设备是没有疲劳度的问题。