PCA和MDA进行人脸识别_PCA_MDA_matlab

clc; clear; load ocldata.mat; % calc xmean,sigma and its eigen decomposition allsamples=[];%所有训练图像,形成训练集 n=1; for i=1:400 if rem(i,10)>0 & rem(i,10)<6 allsamples(:,n)=faces(:,i); n=n+1; end end allsamples=allsamples'; samplemean=mean(allsamples); % 平均图片，1 × N for i=1:200 xmean(i,:)=allsamples(i,:)-samplemean; % xmean是一个M × N矩阵，xmean每一行保存的数据是“每个图片数据-平均图片” end; sigma=xmean*xmean'; % M * M 阶矩阵 [v d]=eig(sigma); d1=diag(d); [d2 index]=sort(d1); %以升序排序 cols=size(v,2);% 特征向量矩阵的列数 for i=1:cols vsort(:,i) = v(:, index(cols-i+1) ); % vsort 是一个M*col(注:col一般等于M)阶矩阵，保存的是按降序排列的特征向量,每一列构成一个特征向量 dsort(i) = d1( index(cols-i+1) ); % dsort 保存的是按降序排列的特征值，是一维行向量 end %完成降序排列 %以下选择90%的能量 dsum = sum(dsort); dsum_extract = 0; p = 0; gg=0.90; while( dsum_extract/dsum < gg) p = p + 1; dsum_extract = sum(dsort(1:p)); end i=1; % (训练阶段)计算特征脸形成的坐标系 while (i<=p && dsort(i)>0) base(:,i) = dsort(i)^(-1/2) * xmean' * vsort(:,i); % base是N×p阶矩阵，除以dsort(i)^(1/2)是对人脸图像的标准化，详见《基于PCA的人脸识别算法研究》p31 i = i + 1; end % add by wolfsky 就是下面两行代码，将训练样本对坐标系上进行投影,得到一个 M*p 阶矩阵allcoor allcoor = allsamples * base; correctcount = 0; % 测试过程 %形成测试集 m=1; for i=6:400 if rem(i,10)>5 | rem(i,10)==0 C(:,m)=faces(:,i); m=m+1; end end for i=1:40 for j=1:5 %读入40 x 5 副测试图像 j=(i-1)*5+j; b=C(:,j); b=b'; tcoor= b * base; %计算坐标，是1×p阶矩阵 for k=1:200 mdist(k)=norm(tcoor-allcoor(k,:)); end; %三阶近邻 [dist,index2]=sort(mdist); class=floor((index2(1)-1)/5)+1; if class==i correctcount=correctcount+1; end; end; end; correctcount correctrate=correctcount/200 %------------------------------------MDA correctcount2 = 0; text=C'*base;%200*170 train_DR=allcoor; SW = zeros(p,p); M = zeros(40,p); for i = 1:40 M(i,:) = mean(train_DR(i*5-4:i*5,:)); for j = 1:5 SW = SW+(train_DR((i-1)*5+j,:)-M(i))'*(train_DR((i-1)*5+j,:)-M(i)); end; end; m = mean(M); SB = zeros(p,p); for i = 1:40 SB = SB+5*(M(i)-m)'*(M(i)-m); end; [W,D] = eig(SB,SW); w=W(1); allcoor=train_DR*w; text=text'; for i=1:40 for j=1:5 %读入40 x 5 副测试图像 j=(i-1)*5+j; b=text(:,j);%10304*5 b=b';%5*10304 tcoor= b * w; %计算坐标，是1×p阶矩阵 for k=1:200 mdist(k)=norm(tcoor-allcoor(k,:)); end; %三阶近邻 [dist,index2]=sort(mdist); class=floor((index2(1)-1)/5)+1; if class==i correctcount2=correctcount2+1; end; end; end; correctcount2 correctrate2=correctcount2/200