Özet:
Bu tezde, yüz tanıma problemi için birim filtre bankaları aracılığıyla türetilen altgörüntüler pozitif yan bilgi olarak kullanılmış ve ilişkili bileşen analizi (RCA) kullanılarak eğiticisiz yeni bir yüz tanıma modeli geliştirilmiştir. Bu geliştirilen model kosinüs, korelasyon, kareli öklit, manhattan ve mahalonobis uzaklık metrikleri kullanılarak ORL ve AR veritabanları üzerinde test edilmiş ve yapılan optimizasyonlarla hem sınıflandırma doğruluğunun yükseltilmesi, hem de çalışma hızının ve performansının azami seviyeye çıkarılması sağlanmıştır.Altörnekleme ile bir görüntüden dört adet altgörüntü oluşturularak kullanılabilecek özvektör sayısı artırılmıştır. Kullanılabilecek özvektör sayısının artmasıyla birlikte sınıflandırma başarı oranında da belirgin bir şekilde artış gözlenmiştir. Klasik temel bileşen analizinde (PCA'de) en iyi doğru ve yanlış sınıflandırma oranları küçük bir özdeğer aralığında bulunurken, altörnekleme ile özdeğer aralığının geniş bir aralıkta düzgün bir şekilde yayılması sağlanmıştır.Önerilen bu yeni modelde klasik PCA'i takiben RCA kullanılmış ve ilgisiz bileşenler yok edilerek en iyi doğru sınıflandırma oranında klasik PCA metotuna kıyasla % 12.69'a varan bir yükselme elde edilmiştir.
