PCA SVM 程序

包含PCA降维的matlab程序，另外一个是用svm分类的程序。

function  [Out]=facerec（Trainset）

Slect=Trainset;
n=1;
M=45;
N=length（Slect）;
allsamples=[];%所有训练图像
for i=1:1:2
    for j=1:N
        filename  = sprintf（‘D:\\zzh\\work\\zzh\\baseline_V8\\matlab\\Yale_5G\\face1\\%d_s%d.bmp‘iSlect（j））;
      a=imread（filename）;     
      a=a‘;  
      b=a（1:80*80）;  % b是行矢量 1×N，其中N＝10000，提取顺序是先列后行，即从上到下，从左到右
      b=double（b）;
      allsamples=[allsamples; b]  % allsamples 是一个M * N 矩阵，allsamples 中每一行数据代表一张图片，其中M＝200
    end
end

samplemean=mean（allsamples）; % 平均图片

xmean=[];
for i=1:1:M 
    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;
xmean

sigma=xmean*xmean‘;   % M * M 阶矩阵
sigma;
[v d]=eig（sigma）;
d1=diag（d）;
[d2 index]=sort（d1）; %以升序排序
cols=size（v2）;% 特征向量矩阵的列数
vsort=[];
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x%的能量
dsort
dsum = sum（dsort）;
    dsum_extract = 0;
    p = 0;
    while（ dsum_extract/dsum < 0.90）
        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
%size（base）
% 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;
size（allcoor）;


accu = 0;
accu1 = 0;
accu2 = 0;
m=1;
%%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
%%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
%%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％

for i=1:1:15
    disp（‘...........‘）
    for j=1:11    %读入测试图像
       filename  = sprintf（‘D:\\zzh\\work\\zzh\\baseline_V8\\matlab\\Yale_5G\\face1\\%d_s%d.bmp‘ij）;
      a=imread（filename）; 
      a=a‘;
      
      b=a（1:80*80）;
      b=double（b）;
      tcoor= b * base; %计算坐标，是1×p阶矩阵

%*** 欧式距离  ****
   
        for k=1:1:M 
                mdist（k）=norm（tcoor-allcoor（k:））;
            end;
            
 %三阶近邻        
 [distindex2]=sort（mdist）; 
        index2=index2-1;
        class1=floor（index2（1）/N）+1;
        class2=floor（index2（2）/N）+1;
        class3=floor（index2（3）/N）+1;    
        if class1~=class2 && class2~=class3
            class=class1;
        elseif class1==class2
            class=class1;
        elseif class2==class3
            class=class2;
        end;
        if class==i
            accu=accu+1;
            if （j==Slect（1）|j==Slect（2）|j==Slect（3） ）
                accu1=accu1+1;
            else
               accu2=accu2+1; 
            end
        end;
%************************** 欧式距离  ******************************  
    end;
end;
%accu
%输出识别率
accuracy=accu/165;
accuracy1=accu1/45;
accuracy2=accu2/120;
Out=[Slectaccuracyaccuracy1accuracy2]; %训练集 输出识别率

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3406  2008-03-18 15:19  code PCA-SVM\facerec.m
     文件        2003  2007-09-09 21:56  code PCA-SVM\file.txt
     文件        5000  2007-09-09 21:58  code PCA-SVM\file1.txt
     文件        1451  2007-09-09 10:51  code PCA-SVM\kernel.m
     文件        1646  2007-09-09 11:01  code PCA-SVM\rec.m
     文件        8206  2007-09-09 10:51  code PCA-SVM\svm168.m
     文件        1032  2007-09-09 21:53  code PCA-SVM\test.m
     文件        1991  2008-01-23 08:56  code PCA-SVM\WavePCA.m