14
yang
dimiliki,
memungkinkan untuk
mengekstraksi karakteristik dari
data.
5.
Choosing components and forming a feature vector
Pada
umumnya,
setelah
vektor
eigen
didapatkan
dari
matriks
kovarian,
langkah
selanjutnya adalah
mengurutkan
vektor
eigen
tersebut
berdasarkan
nilai
eigennya,
dari
paling
tinggi
ke
paling
rendah.
Hal
ini
membuat
vektor
eigen
tersusun
berdasarkan
besar
pengaruhnya.
Vektor
eigen
yang
tidak
terlalu
berpengaruh (memiliki
nilai
eigen
yang
kecil)
dapat
dihilangkan sehingga
dimensi
matriks
menjadi
lebih
kecil,
namun
informasi dari data dapat hilang walaupun sedikit.
6.
Deriving the new data set
Langkah
terakhir
adalah
untuk
mendapatkan nilai
data
baru
dengan
mengalikan matriks
dari
vektor
eigen
yang
didapat
dari
langkah
sebelumnya dengan data
lama
yang
sudah
dikurangi dengan rata
–
ratanya.
2.5
Orthogonal Locality Preserving Projection
Laplacianfaces
adalah
metode
linear
yang
baru
diajukan
untuk
representasi dan
pengenalan wajah.
Metode
tersebut berdasarkan pada
Locality
 |