主元分析法(PCA)是目前基于多元统计过程控制的故障诊断技术的核心，是基于原始数据空间，通过构造一组新的潜隐变量来降低原始数据空间的维数，再从新的映射空间抽取主要变化信息，提取统计特征，从而构成对原始数据空间特性的理解。
We use PCA(the Principal Component Analysis) for feature extractionrecognition, which has been proved to be the top advanced technology of face recognition.
在人脸特征提取和识别中，我们采用的是目前在人脸识别领域比较先进的主元分析法。
参考来源 - 在虚拟现实中实现人脸的自动识别·2,447,543篇论文数据，部分数据来源于NoteExpress
为此，提出了基于主元分析法和FRF的井架损伤识别方法。
Therefore, the derrick damage identification method based on principal component analysis and FRF is put forward.
本文提出了一种基于主元分析法（PCA）的多模板字符识别算法。
This paper presented a new multi-template character recognition method based on principal component analysis(PCA).
试验证明，采用主元分析法进行识别能获取较高的识别率，该识别率可以在85%以上。
We have used sample images to test the face recognition application based the methods above, and the recognition rate is above 85%.
应用推荐