function?FaceRecognitionByBPneuralnetwork
%%?基于BP神經網絡的人臉識別
%%2014-05-14

clc

global?base?net?????????%定義全局變量，用于?TestofFaceRecognition.m?函數中

%%?第一步，利用主元分析PCA法提取圖像的特征矩陣

allsamples=[];????????????????????????????????%所有訓練圖像
for?i=1:40
????for?j=1:5
??????a=imread（strcat（‘E:\資料類\學習資料\人工神經網絡\att_faces\orl_faces\s‘num2str（i）‘\‘num2str（j）‘.pgm‘））;
??????b=a（1:112*92）;??????????????????????????%?b是行矢量?1×N，其中N＝10304，提取順序是先列后行，即從上到下，從左到右
??????b=double（b）;
??????allsamples=[allsamples;?b];?????????????%?allsamples?是一個M?*?N?矩陣，allsamples?中每一行數據代表一張圖片，其中M＝400
????end
end
samplemean=mean（allsamples）;??????????????????%?平均圖片，1?×?N
for?i=1:200
????xmean（i:）=allsamples（i:）-samplemean;????%?xmean是一個M?×?N矩陣，xmean每一行保存的數據是“每個圖片數據-平均圖片”
end

sigma=xmean*xmean‘;????????%?M?*?M?階矩陣
[v?d]=eig（sigma）;
d1=diag（d）;
[d2?index1]=sort（d1）;???????%以升序排序
cols=size（v2）;????????????%?特征向量矩陣的列數
for?i=1:cols
????vsort（:i）?=?v（:?index1（cols-i+1）?）;????%?vsort?是一個M*col（注:col一般等于M）階矩陣，保存的是按降序排列的特征向量每一列構成一個特征向量
????dsort（i）???=?d1（?index1（cols-i+1）?）;?????%?dsort?保存的是按降序排列的特征值，是一維行向量
end????%完成降序排列
%以下選擇85%的能量
dsum?=?sum（dsort）;
????dsum_extract?=?0;
????p=?0;
????while（?dsum_extract/dsum?????????p=p?+?1;
????????dsum_extract?=?sum（dsort（1:p））;
????end
i=1;
%計算特征臉形成的坐標系
while?（i<=p?&&?dsort（i）>0）
????base（:i）?=?dsort（i）^（-1/2）?*?xmean‘?*?vsort（:i）;?????%?base是N×p階矩陣，除以dsort（i）^