用LDA和PCA模式识别方法对人脸特征进行提取计算的Matlab程序

用LDA和PCA模式识别方法对人脸特征进行提取计算的Matlab程序

load（‘ORLFace.mat‘）;
% basic information
dim=size（Iv1）;
tal=size（Iv2）;
class=size（Iv3）;

ell=5; % ell training sample;
ellsample=5; % ellsample test sample;
t=1e7; % Similarity matrix 的参数

order=1;  
dita=1e7; 
NumTotal=ell*class;
lpp=NumTotal-class;
lda=class-1;
lda=35
polynomial=1

%------------------- step 1     KPCA       ------------------------------%
Itr=zeros（dimellclass）;  % Training sample feature vector
for classnum=1:class
    for e=1:ell
        Itr（:eclassnum）=Iv（:eclassnum）;  %
    end    
end
It=zeros（dimellsampleclass）;% Testing sample feature vector
for classnum=1:class
    for e=1:ellsample
        It（:eclassnum）=Iv（:e+ellclassnum）;  %
    end    
end
%----------------------------------------------------------------%
%   倒入向量 Iv（dimell）
%   样本类数  class
Imean=zeros（dim1）;
for classnum=1:class
    for i=1:ell
        Imean=Imean+Itr（:iclassnum）; 
    end
end
Imean=（1/（ell*class））*Imean;                       %求平均向量
Q=zeros（dimell*class）;
for classnum=1:class
    for num=1:ell
        Q（:num+（classnum-1）*ell）=Itr（:numclassnum）-Imean（:1）;
    end
end
R=zeros（ell*classell*class）;
R=Q‘*Q;    % R‘s size is ell * ell
d=rank（R）;
d=40
[UL]=eigs（Rd‘LM‘）;  % 求出 R 的eigenvector and eigenvalue
Wpca=zeros（dimd）;
for p=1:d
    Wpca（:p）=（1/（sqrt（L（pp））））*Q*U（:p）;
end
%% 程序至此得到了线形变换的矩阵  W  .
%----------------------------------------------------------------%
Iy=zeros（dellclass）; % training feature vector  %   
for classnum=1:class
    for num=1:ell
        Y=zeros（d1）;
        Iy（:numclassnum）=Wpca‘*Itr（:numclassnum）;
    end
end
% -------------------------------------------------------------------------
Tpca=zeros（dellsampleclass）;
for classnum=1:class
    for num=1:ellsample
        Tpca（:numclassnum）=Wpca‘*It（:numclassnum）;
    end
end
% ----------------                       step 3      LDA                           -----------------%
Minclass=zeros（dclass）;
for classnum=1:class      % 得到 每一个类内的样本的平均值
    for i=1:ell
        Minclass（:classnum）=Minclass（:classnum）+Iy（:iclassnum）; 
    end
    Minclass（:classnum）=（1/ell）*Minclass（:classnum）;  
end
Sw=zeros（dd）;    % 计算wihin-class matrix Sw
for classnum=1:class      
    for i=1:ell
        
        Sw=Sw+（Iy（:iclassnum）-Minclass（:classnum））*（Iy（:iclassnum）-Minclass（:classnum））‘;
        
    end
end
Msample=zeros（d1）; % 得到 所有样本的平均值
for classnum=1:class
    for i=1:ell
        Msample=Msample+Iy（:iclassnum）; 
    end
end
Msample=（1/（ell*class））*Msample;                       %求平均向量
Sb=zeros（dd）;    % 计算between-class matrix Sb
for classnum=1:class      
    Sb=Sb+ell*（Minclass（:classnum）-Msample）*（Minclass（:classnum）-Msample）‘;
end
% d=dim;                                 % 选择 d =dim 个最大的特征值
[FiCi]=eigs（Swd‘LM‘）;  % 求出 R 的eigenvector and eigenvalue
Diag=zeros（1d）
for p=1:d
    Diag（1p）=1/（sqrt（Ci（pp）））;
end
Cmodify=diag（Dia

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5429  2006-04-07 21:22  LDA.m

     文件       3822  2006-04-16 13:56  PCA.m

----------- ---------  ---------- -----  ----

                 9469                    3