matlab精度检验代码-classify-it:使用各种分类器的人脸识别

matlab精度检验代码分类它 概述 该项目围绕2个主要任务：识别给定数据集中的每个主题以及中性表情与面部表情的分类。 可以找到该项目的3个数据集。 数据集的用法有单独的自述文件。 使用4个分类器执行任务，即贝叶斯，k最近邻（KNN），内核SVM和Boosted SVM分类器。 此外，在将数据输入分类器之前，必须对数据进行主成分分析（PCA）和多判别分析（MDA）。 依存关系 的MATLAB 管道 首先，我们对所需的数据集执行预处理，在该数据集上进行重塑以将所有要素数据移动到单个列中。 请注意，对于Illumination.mat数据集未执行此操作。 数据集也分为训练和测试数据集。 在预处理期间也会生成用于训练和测试数据集的标签。 我们对诸如PCA和MDA之类的训练数据执行用户选择的分析。 用户也可以选择不执行任何分析。 训练数据被馈送到用户选择的分类器中进行学习。 最后，通过在测试数据上使用分类器来测量分类器的准确性。 结果 任务1：识别给定数据集中的每个主题 每个对象的Illumination.mat和Pose.mat数据集都有2个测试样本。 在Data.mat数据集中，已为每个主