clc
close?all?hidden
clear?all
%%?導入之前生成的數據集
load?ORL2D_data

xx=5;%設循壞次數為50次
%%?分類標簽
groups=[];?????????%這一步用來給圖像加標簽，以確定是哪個人
for?i=1:cNum
????groups=[groupsones（1fperc）*i];%fperc為人臉庫中每個人有多少張圖像，如yale庫中每人有11張圖像，這個值也在Yale_data中，load進來就有的
end
groups=groups‘;????%通過上面的for循環，標簽已經加好
accuracy=[];
for?fftr=5?????????%取訓練樣本數為5，就是說一個人在人臉庫里有十幾張圖片，我只取出357張作為訓練，剩余的那些作為測試具體的你自己去設定
????all_accuracy=0;????%???
????errornum=0;??????%誤識數，就是識別錯誤的個數
????ave_times=0;?????%計算時間
????disp（[‘2DLDAfftr=‘num2str（fftr）]）;???%在commend??window中顯示訓練個數2DLDAfftr=35或7，用于觀察運行進度
????for?i=1:xx???????%每種訓練樣本數，計算50次，以求最終識別率的平均值，
????????t1=clock;????%設定開始時間
????????test_accuraty=0;??%識別率，先設為0，因為要進行循壞，所以在開始要清零
????????[test?train]?=?crossvalind（‘holdOut‘groupsfftr/fperc）;%此步驟加上以下的4個步驟都是用于隨機選擇人臉庫中隨機選取每個人的fftr（前面已經設定）張圖像作為訓練樣本，剩余的作為測試圖像
????????train_samples=all_samples（::train）;%隨機選取訓練人臉數據，這里?train_samples為3維，第一維表示一張圖像的行，第二維是表示圖像的列，第三維是說有多少個這樣的行和列的人臉，比如yale庫中15個人，每人11張圖像，那么每人選3個作為訓練，這里第三維就是3*15=45
????????train_data_labels=groups（train）;???%加標簽，確定是哪個人的人臉圖像
????????test_samples=all_samples（::test）;%這里是剩余的測試人臉圖像，同樣的原理
????????test_data_labels=groups（test）;??%加標簽
????????
????????%%???以下是LDA處理過程
????????N=cNum*fftr;
????????[nSmpnFeanumtr]?=?size（train_samples）;%size用于獲得矩陣尺寸，這里是三維，同上
????????ReducedDim?=?10;???%降溫幅度，把一幅圖像降到10維
????????mean_maxt=zeros（nSmpnFeacNum）;%zeros用于分配一個全為0的，尺寸為（nSmpnFeacNum）的矩陣
????????mean_all=mean（train_samples3）;%求矩陣間均值
????????for?j=1:cNum%for循環用于求類內均值，就是每個類的均值，同一個人的圖像屬于一個類
????????????mean_cNum=mean（train_samples（::1+fftr*（j-1）:fftr*j）3）;
????????????mean_maxt（::j）=mean_cNum;
????????end
????????Sb=zeros（nFea）;
????????Sw=zeros（nFea）;
????????for?m=1:cNum%以下是Sb計算類間離散度矩陣，具體參看文獻
????????????sb=（mean_maxt（::m）-mean_all）‘*（mean_maxt（::m）-mean_all）;
????????????Sb=Sb+fftr*sb;
????????????for?n=1:fftr
????????????????X_t=train_samples（::n+fftr*（m-1））;%以下是Sw計算類內離散度矩陣，具體參看文獻
????????????????sw=（X_t-mean_maxt（::m））‘*（X_t-mean_maxt（::m））;
????????????????Sw=Sw+sw;
????????????end
????????end
????????Sb=（1/N）*Sb;
????????Sw=（1/N）*Sw;
????????
????????[eigvector?eigvalue]?=?eig（SbSw）;?%最終的計算公式，就是那個求解方程eigvalue矩陣中的值都放在對角線上，表示的是特征值，eigvector矩陣是特征值對應的特征向量
????????eigvalue?=?diag（eigvalue）;%將對角化的特征值轉成一個列向量
????????[~?index]?=?sort（-eigvalue）;%將特征值進行排序
????????eigvalue?=?eigvalue（index）;
????????eigvector?=?eigvector（:index）;
????????eigvector?=?eigvector（:?1:ReducedDim）;
????????for?q?=?1:size（eigvector2）
????????????eigvector（:q）?=?eigvector（:q）./norm（eigvector（:q））;%這些都是提取最小（大）特征值所對應的特征向量
????????end
????????
????????%%?recognition這里是識別過程
????????train_alldata=bsxfun（@minustrain_samplesmean_all）;
????????test_alldata=bsxfun（@minustest_samplesmean_all）;
????????for?a=1:（fperc-fftr）*cNum
????????????test_data=test_alldata（::a）;
????????????test_proj=test_data*eigvector;
????????????all_result=[];
????????????for?b=1:fftr*cNum
????????????????train_data=tra

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????4537??2014-03-10?23:19??2DLDA\LDA2D_knn.asv
?????文件????????4776??2014-11-10?20:07??2DLDA\LDA2D_knn.m
?????文件?????3729559??2013-10-08?16:25??2DLDA\ORL2D_data.mat
?????文件?????1396287??2013-10-08?16:15??2DLDA\Yale2D_data.mat
?????目錄???????????0??2014-11-14?10:26??2DLDA\