LDA人脸识别matlab code

LDA人脸识别 Matlab code 。。。。。。。。。。。

function [DFLD_Trans]=F_JDLDAPro（TrainDatavNumEachClass）; 
%
% Syntax: [DFLD_Trans]=F_JDLDAPro（TrainDatavNumEachClass）; 
%
% This function builds a regularized LDA subspace based on Juwei‘s R-LDA
% method which presented in the following paper
% Juwei Lu K.N. Plataniotis A.N. Venetsanopoulos “Regularization Studies 
% of Linear Discriminant Analysis in Small Sample Size Scenarios with Application 
% to Face Recognition“ Pattern Recognition Letter in press.
%
% TrainData: Input training data should be a matrix with each column vector being
%   a sample.
% vNumEachClass: the number of the samples per class in [TrainData].
%
% Author: Lu Juwei - Bell Multimedia Lab Dept. of ECE U. of Toronto
% Created in 08 Dec 2003.
%

VERY_SMALL=1e-3;

I=find（vNumEachClass<=2）;
sss_rate=sum（vNumEachClass（I））/sum（vNumEachClass）;
if sss_rate>=0.5
    % For L=2; L is the number of training samples per subject.
    stRegParam=struct（‘Eta_Sw‘{1}‘Threshold_EigVal_Sb‘{0.02}‘Update_EigVal_Sb‘{0.05}‘RemainEigVec‘{1}）;
else
    % For L>2;
    stRegParam=struct（‘Eta_Sw‘{1e-3}‘Threshold_EigVal_Sb‘{0.02}‘Update_EigVal_Sb‘{0.2}‘RemainEigVec‘{0.8}）;
end

% regularization parameter for ill-posed within-class scatter matrix.
% smaller number of training samples per subject need stronger regularizer.
% \eta \in [01]. Try different values of eta to find the best one.
% For simplicity set eta_sw=1e-3 for L>2 while eta_sw=1 for L=2. 
eta_sw=stRegParam.Eta_Sw;

% The threshold is used to determine which small eigenvalues of Sb need to
% be adjusted. For simplicity set thresh_eigval_sb=0.02 （of the biggest 
% eigenvalue of Sb）.
thresh_eigval_sb=stRegParam.Threshold_EigVal_Sb;

% The the new value for those eigvalues of Sb needed to be adjusted.
% For simplicity set update_eigval_sb=0.2 （of the biggest eigenvalue of
% Sb）.
update_eigval_sb=stRegParam.Update_EigVal_Sb;

% The rate of remaining eigenvectors of Sb others will be thrown away.
% For simplicity set remain_eigvec=1 i.e. keep all the eigenvectors.
remain_eigvec=stRegParam.RemainEigVec;

[rowTraincolTrain]=size（TrainData）;
sample_num=colTrain;

eachclass_num=vNumEachClass;
class_num=length（eachclass_num）;

mean_class=mean（double（TrainData）2）;
mean_eachclass=zeros（rowTrainclass_num）;
t=1;
for j=1:class_num
    tt=t+eachclass_num（j）-1;
    a=double（TrainData（:t:tt））;
 	mean_eachclass（:j）=mean（a2）;
    t=tt+1;
end
clear（‘a‘）;

% The first m_b eigenvectors corresponding to largest eigenvalues will be extracted
% from eigenvectors of Sb
m_b=class_num-1;

% Sw : the within-class scatter conviariance matrix 
% Sw=zeros（rowTrainrowTrain）;
% Sw=Phi_w*Phi_w‘;
Phi_w=zeros（rowTraincolTrain）;
j=1;
for i=1:class_num
    t=double（TrainData（:j:j+eachclass_num（i）-1））;
    m=kron（mean_eachclass（:i）ones（1eachclass_num（i）））;
    b=t-m;
    Phi_w（:j:j+eachclass_num（i）-1）=b;
%  	Sw=Sw+b*b‘; 
 	j=j+eachclass_num（i）; 
end 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2214  2004-11-09 14:39  readme.txt
     文件        4990  2004-11-02 11:31  F_JDLDAPro.m
     文件      335890  2004-10-29 10:05  R_LDA_PRL.pdf
     文件      483064  2004-11-01 17:02  DF_LDA_TNN.pdf