基于pca的人臉識別matlab源碼-展示頁
2024-11-18 07:16本頁面
【正文】 個 M*N矩陣， allsamples中每一行數(shù)據(jù)代 %表一張圖片，其中 M=200 end end samplemean=mean(allsamples)。 allsamples=[allsamples。 b=a(1:112*92)。.pgm39。\39。e:\ORL\s39。PCA算法 % %CQUPT % PCA 識別率 88% % calc xmean,sigma and its eigen deposition allsamples=[]。 %所有訓(xùn)練圖片 for i=1:40 for j=1:5 a=imread(strcat(39。,num2str(i),39。,num2str(j),39。))。 %b是行矢量 1*N， N=10304，提取順序是先列后行， %即從上到下，從左到右 b=double(b)。b]。 %平均圖片， 1*N for i=1:200 xmean(i,:)=allsamples(i,:)samplemean。 %獲取特征植及特征向量 sigma=xmean*xmean39。 d1=diag(d)。 vsort=fliplr(v)。 dsum_extract=0。 while(dsum_extract/dsum) p=p+1。 end i=1。 * vsort(:,1:p) * diag(dsort(1:p).^(1/2))。 * vsort(:,1:p)是小矩陣的特征向量向大矩陣特征向量轉(zhuǎn)換的過程 %以下兩行將訓(xùn)練樣本對坐標(biāo)系上進(jìn)行投影，得到一個 M*p子空間中的一個點(diǎn)， %即在子空間中的組合系數(shù)
公司管理相關(guān)推薦
鄂ICP備17016276號-1