人眼識別(編輯修改稿)
2024-09-30 19:02 本頁面
【文章內(nèi)容簡介】 = [T temp]。endT = double(T)。B. 第二部分：FisherfaceCorefunction [m_database V_PCA V_Fisher ProjectedImages_Fisher Class_number Class_population] = FisherfaceCore(T)%%%%%%%%返回值注釋%%%%%%%%%%%%m_database (M*Nx1)維的訓(xùn)練樣本均值%V_PCA (M*Nx(PC)訓(xùn)練樣本協(xié)方差的特征向量%V_Fisher ((PC)x(C1)) 最大的（C1）維J = inv(Sw) * Sb的特征矩陣%ProjectedImages_Fisher ((C1)xP)維訓(xùn)練樣本，這些樣本從fisher線性空間中提取%%%%%基本量賦值 %%%%%%%%%Class_number=(size(T,2))/9。 類的數(shù)目，除以8取決于樣本中有多少類人Class_population = 9。%每一類的圖像數(shù)目P = Class_population * Class_number。 %總訓(xùn)練樣本的數(shù)目%%%%%計算均值%%%%%m_database = mean(T,2)。%176。包含T每一行均值的列向量%%%%計算方差%%%%%A = T repmat(m_database,1,P)。%%%%%計算特征臉的算法%%%%%%L = A39。 * A。[V D] = eig(L)。V = fliplr(V)。%%%%篩選小的特征值%%%%%L_eig_vec = []。dig = fliplr(max(D))。for i = 1 : Class_number L_eig_vec = [L_eig_vec V(:,i)/sqrt(dig(i))]。end%%%%計算特征矩陣的協(xié)方差矩陣C%%%%%V_PCA = A * L_eig_vec。%V_PCA就是降維后的協(xié)方差矩陣ProjectedImages_PCA = []。for i = 1 : P temp = V_PCA39。*A(:,i)。 ProjectedImages_PCA = [ProjectedImages_PCA temp]。 end%%%%%fisher分類器的設(shè)計方法%%%%%%%%%計算在特征空間里面每一個類的均值%%%%%m_PCA = mean(ProjectedImages_PCA,2) %特征空間總的均值m = zeros( Class_number, Class_number )。Sw = zeros( Class_number, Class_number)。Sb = zeros( Class_number, Class_number)。 for i = 1 : Class_number m(:,i) = mean( ( ProjectedIma
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1