#?-*-?coding:?utf-8?-*-
#include?“ml.hpp“
import?numpy?as?np
import?os?glob?random?cv2

#定義?特征值大小排序方法；
def?percentage2n（eigValspercentage1）:
????sortArray=np.sort（eigVals）???#升序
????sortArray=sortArray[-1::-1]??#逆轉，即降序
????arraySum=sum（sortArray）
????tmpSum=0
????num=0
????for?i?in?sortArray:
????????tmpSum+=i
????????num+=1
????????if?tmpSum>=arraySum*percentage1:
????????????return?num
????print?num

#定義PCA?方法
def?pca（datap）:???????????????????????????????????#?輸入量為data：數據，k:
????data?=?np.float32（np.mat（data））?????????????????#將輸入數據轉換為浮點型（相當于將圖片轉換成數字型）
????rows?cols?=?data.shape?????????????????????????#?取數據大小（也就是圖片的大小）（輸入為200行，10304列）
????data_mean?=?np.mean（data?0）????????????????????#?求均值，axis?=?0：壓縮行，對各列求均值，返回?1*?n?矩陣，也就是說，對
????Z?=?data?-?np.tile（data_mean?（rows?1））????????#row?=200??????np.tile（b?（2?1））#沿X軸復制1倍（相當于沒有復制），再沿Y軸復制2倍也就是說Z?是減去均值后的值
????D?V?=?np.linalg.eig（Z?*?Z.T）???????????????????#?特征值與特征向量
????eigValIndice?=?np.argsort（D）????????????????????#對特征值進行排序
????n?=?percentage2n（D?p）
????print?u‘向量n的數量為：‘
????print?n
????n_eigValIndice=eigValIndice[-1:-（n+1）:-1]???????#最大的n個特征值的下標
????V1=?V?[:n_eigValIndice]????????????????????????#最大的n個特征值對應的特征向量
????V1?=?Z.T?*?V1
????for?i?in?xrange（n）:?????????????????????????????#?特征向量歸一化
????????V1[:?i]?/=?np.linalg.norm（V1[:?i]）
????return?np.array（Z?*?V1）?data_mean?V1??????????#返回值

#數據讀取
def?loadImageSet（folder=u‘att_faces‘?sampleCount=5）:??#?加載圖像集，隨機選擇sampleCount張圖片用于訓練，注意根據自己文件的文件進行修改
????trainData?=?[]???????????????????????????????????????#將4個數據改變設定列表的形式進行存儲
????testData?=?[]
????yTrain?=?[]
????yTest?=?[]
????for?k?in?range（40）:?????????????????????????????????????????????#y一共有40個文件夾
????????folder2?=?os.path.join（folder?‘s%d‘?%?（k?+?1））?????????????#從第一個文件夾開始遍歷查找，能夠得到40個文件夾的名稱
????????data?=?[cv2.imread（d.encode（‘gbk‘）?0）?for?d?in?glob.glob（os.path.join（folder2?‘*.pgm‘））]???#將獲取的每一個圖片都轉換為列表的形式。每一幅圖均為（112行，92列）
????????sample?=?random.sample（range（10）?sampleCount）
????????trainData.extend（[data[i].ravel（）?for?i?in?range（10）?if?i?in?sample]）????#訓練集，隨機抽取5個作為訓練集
????????testData.extend（[data[i].ravel（）?for?i?in?range（10）?if?i?not?in?sample]）?#?10個數據當中，另外幾個作為測試集
????????yTest.extend（[k]?*?（10?-?sampleCount））??????????????????????????????????#?yTest增加?5位數值從0到10
????????yTrain.extend（[k]?*?sampleCount）?????????????????????????????????????????#?yTrain增加?5位數值
????print?yTestyTrain
????return?np.array（trainData）?np.array（yTrain）?np.array（testData）?np.array（yTest）???????#將獲取并轉變得到的數據轉換np.array的格式

#定義主函數
def?main（）:
????xTrain_?yTrain?xTest_?yTest?=?loadImageSet（）?????#獲取數據集，利用loadImageSet（）
????num_train?num_test?=?xTrain_.shape[0]?xTest_.shape[0]?????????????????#獲取數據集維度
????print?xTrain_.shapexTest_.shape????????????????????#?結果為（200，10304）?，一共有200條輸入數據，每一條有10304個輸入值（而一張圖片相當于具備?112行*92?列數據）
????xTrain?data_mean?V?=?pca（xTrain_?0.5）???????????????????????????????????#，將訓練數據集輸入到PCA方法當中，得到新生成的數據集xT

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-05-31?15:43??pca算法實驗\
?????目錄???????????0??2018-05-31?15:40??pca算法實驗\att_faces\
?????文件????????1579??1995-02-23?18:13??pca算法實驗\att_faces\README
?????目錄???????????0??2018-05-31?15:40??pca算法實驗\att_faces\s1\
?????文件???????10318??1994-04-18?14:17??pca算法實驗\att_faces\s1\1.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s1\10.pgm
?????文件???????10318??1994-04-18?14:17??pca算法實驗\att_faces\s1\2.pgm
?????文件???????10318??1994-04-18?14:17??pca算法實驗\att_faces\s1\3.pgm
?????文件???????10318??1994-04-18?14:17??pca算法實驗\att_faces\s1\4.pgm
?????文件???????10318??1994-04-18?14:17??pca算法實驗\att_faces\s1\5.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s1\6.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s1\7.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s1\8.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s1\9.pgm
?????目錄???????????0??2018-05-31?15:40??pca算法實驗\att_faces\s10\
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s10\1.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s10\10.pgm
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s10\2.pgm
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s10\3.pgm
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s10\4.pgm
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s10\5.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s10\6.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s10\7.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s10\8.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s10\9.pgm
?????目錄???????????0??2018-05-31?15:40??pca算法實驗\att_faces\s11\
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s11\1.pgm
?????文件???????10318??1994-04-18?14:07??pca算法實驗\att_faces\s11\10.pgm
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s11\2.pgm
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s11\3.pgm
?????文件???????10318??1994-04-18?14:18??pca算法實驗\att_faces\s11\4.pgm
............此處省略414個文件信息