【人脸识别】用pca降维+fisher分类器+yale数据集,用matlab实现 20
模式识别要求做一个报告,很多不懂。首先读入yale数据(是一个生成的.mat文件),然后pca降到2维,最后fisher分类显示。结果看起来如图,求这方面的高手啊。选修课...
模式识别要求做一个报告,很多不懂。首先读入yale数据(是一个生成的.mat文件),然后pca降到2维,最后fisher分类显示。结果看起来如图,求这方面的高手啊。选修课的老师也没怎么讲,就让我们做,真是头大。要是需要什么数据,我能提供的,告知一声。
展开
1个回答
展开全部
你不是都已经说清楚流程了 不知道你需要啥帮助的。
yale数据不知道存的是什么特征, pca降维到2维的话,这样的特征空间描述度足以区分不同人脸吗,我没用过,只是单纯的疑问
Fisher分类器没用过,印象中好像和pca,lda也是有一定关系的,好像也是一种映射降维,好像是很简单的一种分类器,这样的分类器的话,效果好吗。(如果以你的2维特征空间来说好像没啥问题。)
如果是二维人脸识别的话,可以考虑先子图分割,然后创建子图权重系数矩,然后子图矩阵取高特征值,或者对矩阵用dct取大特征,用特征值和权重矩生成特征空间。然后用模糊神经网络对数据进行训练 得到识别系统 。 或者也可以用bp+遗传算法, 上学时候用的orl数据库 好像识别率能到90多点。
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询