|
关注：1
2013-05-23 12:21
求翻译：Here, each column of the dY variable denotes the mean-subtracted Procrustes-aligned shape. Thus, singular value decomposition (SVD) is effectively applied to the covariance matrix of the shape data (that is, dY.t()*dY). The w member of OpenCV\'s SVD class stores the variance in the major directions of variability of th是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Here, each column of the dY variable denotes the mean-subtracted Procrustes-aligned shape. Thus, singular value decomposition (SVD) is effectively applied to the covariance matrix of the shape data (that is, dY.t()*dY). The w member of OpenCV\'s SVD class stores the variance in the major directions of variability of th
问题补充： |
|
2013-05-23 12:21:38
这里， DY变量的每一列表示均值减去普鲁克对齐的形状。
|
|
2013-05-23 12:23:18
正在翻译，请等待...
|
|
2013-05-23 12:24:58
正在翻译，请等待...
|
|
2013-05-23 12:26:38
在这里，每一列的 dY 变量表示减去均值普罗对齐形状。因此，奇异值分解 （SVD） 是有效地应用于协方差矩阵的形状数据 （就是 dY.t()*dY)。OpenCV\ 的奇异值分解类的 w 成员存储方差中数据，从大到小排序的可变性的主要方向。常用的方法可供选择的子空间维数是选择保留的数据，由 svd.w 的条目表示的总能量分数压裂的方向的最小集合。作为这些条目下令从最大到最小，它足以贪婪地评价中的变异性的顶级 k 方向的能量通过枚举子空间选择。自己的方向都存储在 u 类成员的奇异值分解。Svd.w 和 svd.u 的组件都是一般的 eigenspectrum 和特征向量分别称为。一个可视化的这两
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
