Perbandingan PCA (Principal Component Analysis) dan Kernel PCA dalam Pengenalan Wajah Akibat Variasi Pose

Arliawan, Fredo Adrian (1022043) (2016) Perbandingan PCA (Principal Component Analysis) dan Kernel PCA dalam Pengenalan Wajah Akibat Variasi Pose. Undergraduate thesis, Universitas Kristen Maranatha .

[img]
Preview
Text
1022043_Abstract_TOC.pdf - Accepted Version

Download (131Kb) | Preview
[img] Text
1022043_Appendices.pdf - Accepted Version
Restricted to Repository staff only

Download (494Kb)
[img]
Preview
Text
1022043_Chapter1.pdf - Accepted Version

Download (124Kb) | Preview
[img] Text
1022043_Chapter2.pdf - Accepted Version
Restricted to Repository staff only

Download (659Kb)
[img] Text
1022043_Chapter3.pdf - Accepted Version
Restricted to Repository staff only

Download (400Kb)
[img] Text
1022043_Chapter4.pdf - Accepted Version
Restricted to Repository staff only

Download (815Kb)
[img]
Preview
Text
1022043_Conclusion.pdf - Accepted Version

Download (116Kb) | Preview
[img]
Preview
Text
1022043_Cover.pdf - Accepted Version

Download (250Kb) | Preview
[img]
Preview
Text
1022043_References.pdf - Accepted Version

Download (229Kb) | Preview

Abstract

Tugas Akhir ini membandingkan metode PCA (Princpial Component Analysis) dan kernel PCA untuk pengenalan wajah akibat variasi pose. Sistem yang dibuat dalam Tugas Akhir ini dibagi menjadi beberapa tahap yaitu mulai dari preproccessing lalu ke tahap feature extraction dan masuk ke dalam tahap classification. Tahap yang menjadi modul utama yaitu feature extraction dimana terjadi konstruksi PCA dan konstruksi KPCA, sementara proses klasifikasi menggunakan nearest neighbor. Pada laporan Tugas Akhir ini dapat dibuktikan bahwa metode KPCA lebih baik dari PCA dalam pengenalan wajah akibat variasi pose, dengan akurasi pengenalan rata-rata 63,75% dan 53,05%, masing-masing berturut-turut untuk kernel PCA dan PCA pada database AT&T, Weizmann, dan gabungan kedua database. Persen perbaikan akurasi pengenalan wajah rata-rata ketika menerapkan metoda kernel PCA dibandingkan PCA jika dipengaruhi oleh faktor pose untuk dua citra latih adalah 3,44%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: PCA, Kernel PCA, Face Recognition
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Faculty of Engineering > 22 Electrical Engineering Department
Depositing User: Perpustakaan Maranatha
Date Deposited: 26 Apr 2016 04:38
Last Modified: 26 Apr 2016 04:38
URI: http://repository.maranatha.edu/id/eprint/20381

Actions (login required)

View Item View Item