knn人脸识别判断_基于LDA KNN的人脸识别详解

人脸识别(LDA+KNN方法)：

dataTrain=creatData(TrainDatabasePath);

dataTest=creatData(TestDatabasePath);

trainLabel=creatTrainLabelMat();

testLabel=creatTestLabelMat();

[train_lda,test_lda]=LDA(dataTrain,trainLabel,dataTest);: PCA降维 计算协方差矩阵

再求类内均值计算Sb、Sw(类间散布矩阵、类内散布矩阵)

用Sb Sw来计算 投影 进行多分类问题求解。

knnrecognition->knnsearch(计算距离，寻找最匹配的)->knnrecognition

LDA原理推荐博客地址：

首先建立训练集，creatTraindata和相应的标签creatTrainLabelMat通过trainlabel

1-50每10个都对应1个label，比如1-10都标记label=1,11-20都标记label=2等等。

data：50个训练集，即产生50列，每一列就是原来图像矩阵的92*112行*50列

以及为测试集初始化数据矩阵和标签矩阵。

进入LDA(线性判别分析)：

计算共多少类别；nFea:特征nSmp：样本数

计算协方差矩阵提取特征，特征降到40维度。50个样本50行。

sample mean对每个样本求均值。

求类间、类内散布矩阵。Sb Sw均为40*40的矩阵。

提取(Sw\sb表示Sb/Sw)矩阵的前9个(k