LDA代码实现（Matlab版）

clear all close all clear clc tic %%% LDA %%%%%% % % % % % % % % % % % % % % 前處理 % % % class = 1000; % % % t_class = 500; % % % % % % % % % % % % % % % % % % % % % % using ORL face database-------------------- % % % % % % % % % % % % % % % % % % %小波降維--------------------- % % % % % % % % % % % training section % % % for i = 1:class % % % eval(['X = imread(''training1/',int2str(i),'.png'');']); % % % X = imresize(X,[10 , 10]); %change the size % % % X = double(X); % % % [c , s] = wavefast(X,2,'haar'); % 2--降多少階 % % % X_1 = wave2gray(c, s); % % % Y = X_1(1:s(2, 1)-1,1:s(2, 2)-1); % 從S中取值出來 % % % [m,n,p] = size(Y); % % % T(:,i) = reshape(Y,m*n,1); % % % end % % % % save T % % % % % % % testing section % % % for i = 1:t_class % % % eval(['X1 = imread(''testing/',int2str(i),'.png'');']); % % % X1 = imresize(X1,[10 , 10]); %change the size % % % X1 = double(X1); % % % [c , s] = wavefast(X1,2,'haar'); % 2--降多少階 % % % X1_1 = wave2gray(c, s); % % % Y1 = X1_1(1:s(2, 1)-1,1:s(2, 2)-1); % 從S中取值出來 % % % [m,n,p] = size(Y1); % % % T1(:,i) = reshape(Y1,m*n,1); % % % end % % % % save T1 % % % % % % % % % M = 40; %Input class; % % % N = class/M; %Input images in each class; % % % % % % % % % % % % % %find between-class scatter matrix % % % for i = 1:M; % % % j = (i-1)*N+1; % % % k = i*N; % % % total_x = mean(T,2); % % % x_c(:,i) = mean(T(:,j:k),2); % % % G(:,i) = x_c(:,i)-total_x ; % % % Sb = G(:,i)*G(:,i)'; % % % % % % [m, n]= size(Sb); % % % SSb(:,i) = reshape(Sb,m*n,1); % % % Sb = sum(SSb,2); % % % Sb = reshape(Sb,m,n); % % % end % % % % % % % % % % % % % %find within-class scatter matrix % % % for i = 1:M; % % % j = (i-1)*N+1; % % % k = i*N; % % % XCbar(:,i) = mean(T(:,j:k),2); % % % XCm = T(:,j:k); % % % for s = 1:N % % % G(:,s) = XCm(:,s)-XCbar(:,i); % % % H = G*G'; % % % end % % % [m, n]= size(H); % % % HHw(:,i) = reshape(H,m*n,1); % % % Hw = sum(HHw,2); % % % Hw = reshape(Hw,m,n); % % % end % % % % % % IHw= inv(Hw); % % % EIG = IHw*Sb; % % % [eigvec, eigval] = eig(EIG); % % % W = eigvec ; % % % % % % % % % % % 後可以接歐式距離作新系統 % % % % % % % % 經轉換後之特徵參數 % % % Q = W*T; % training section % % % Q1 = W*T1; % testing section % % % % % % save Q % % % save Q1 load Q load Q1 % % % % % % % % % % %變數部份 --------------------- class = 500; % input images M = 20; %Input class N = class/M; %Input images in each class; % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % TT = 10; % Q = Q(1:50,1:300); % Q1 = Q1(1:TT,1:300); % 亂數取圖+1 % TE = 10; % for te = 1:TE; % A = rand(te,1)*class; % ra1 = floor(A); % ra2 = ra1(te,:); % % % % % % % %最接近特徵線----------------------------------------------- H1 = 1; H2 = 100; H3 = H2-H1+1; for tt = H1:H2; z = Q1(:,tt); % z = Q(:,ra2); for s = 1:M; % 1-40 t = (s-1)*N+1; % 1 26 51 ... q = s*N; % 25 50 75 ... D = Q(:,t:q); for i = 1:N-1; % 1-24 for j = i+1:N; % 2-25 T = D(:,j)-D(:,i); % z2-z1 if z == D(:,i); zp = D(:,i); % zp = z1 elseif z == D(:,j); zp = D(:,j); % zp = z2 else T1 = z-D(:,i); % z-z1 G1 = dot(T1,T); G2 = dot(T,T); GAMA = G1/G2; zp = D(:,i) + GAMA*T; % %舊寫法 % GAMA1(i,j) = G1/G2; end d(i,j) = sqrt(sum(abs(z - zp).^2)); [m1,n1] = size(d); S = reshape(d,m1*n1,1); end end SS(:,s) = S; dd(:,t:q) = d; end % % % % 抽值 SSS(1,:) = SS(25,:); SSS(2:3,:) = SS(49:50,:); SSS(4:6,:) = SS(73:75,:); SSS(7:10,:) = SS(97:100,:); SSS(11:15,:) = SS(121:125,:); SSS(16:21,:) = SS(145:150,:); SSS(22:28,:) = SS(169:175,:); SSS(29:36,:) = SS(193:200,:); SSS(37:45,:) = SS(217:225,:); SSS(46:55,:) = SS(241:250,:); SSS(56:66,:) = SS(265:275,:); SSS(67:78,:) = SS(289:300,:); SSS(79:91,:) = SS(313:325,:); SSS(92:105,:) = SS(337:350,:); SSS(106:120,:) = SS(361:375,:); SSS(121:136,:) = SS(385:400,:); SSS(137:153,:) = SS(409:425,:); SSS(154:171,:) = SS(433:450,:); SSS(172:190,:) = SS(457:475,:); SSS(191:210,:) = SS(481:500,:); SSS(211:231,:) = SS(505:525,:); SSS(232:253,:) = SS(529:550,:); SSS(254:276,:) = SS(553:575,:); SSS(277:300,:) = SS(577:600,:); [m2,n2] = size(SSS); S_final = reshape(SSS,m2*n2,1); [junk,idx] = sort(S_final); idx1 = idx(1,1); % % % % % % % % % % % % % % % % r = 300; for i =1:40; if idx1 >= r*(i-1)+1 & idx1 <= r*(i) idx2 = i; end end r = 25; for i =2:42; if tt >= r*(i-2)+1 & tt <= r*(i-1)+1 ra3 = i-1; end end % % % % % % % % % % % % % % % % % % % idx2 % DATA(tt,1) = ra3; DATA(tt,2) = idx2; count = 0; if idx2 == ra3; count = (count+1); cou(tt,:) = count; end end % % % % % % % % % % % % % % % % % % % % % % % % % rr count1 = sum(cou); percent = (count1/H3)*100 ; TIME = toc; fprintf('Recognition Testing_Times：%.3f (times)\n',tt); fprintf('Recognition Rate：%.3f (percent)\n',percent); fprintf('Recognition Time：%.3f (s)\n',TIME); % % % % % % % % % Conclusion % % % % % % % % % % % % % times percent time % 100 89 % 111.307 sec % 200 85 % 220.229 sec % 300 86 % 330.480 sec % 400 87.25% 443.754 sec % 500 89.8% 550.263 sec % % % % % % % % % % % % % % % % % % % % % % % % % % r % % % % % Recognition Testing_Times：100.000 (times) % % % % % Recognition Rate：89.000 (percent) % % % % % Recognition Time：56.534 (s) % % % % % % % % % % % % % % % % % % % % % % grid on plot(SSS(1:10,1),SSS(11:20,1),'+',SSS(1:10,2),SSS(11:20,2),'o',SSS(1:10,3),SSS(11:20,3),'*') title('2-D-Main of LDA parameters'); grid on