模式识别实现之人脸识别(matlab)

  1. 描述
    用有监督学习机制设计并实现模式识别方法,用于进行人脸面部特征识别,如性别(男性、女性)、年龄(儿童、青少年、成年、老年)、佩戴眼镜(是、否)、戴帽子(是、否)、表情(微笑、严肃)等。

  2. 数据
    数据来源:链接:https://pan.baidu.com/s/17zU6A4-8Zs-TjspizbAOhA
    提取码:dpb1

  3. 实现过程
    在这里插入图片描述

  4. 特征提取
    在这里插入图片描述

在这里插入图片描述
程序流程图:
在这里插入图片描述
5. 特征提取代码

function [dataFaceR_maleExtra,dataFaceR_femaleExtra,dataFaceS_maleExtra,dataFaceS_femaleExtra] = sexDistanceJ2(dataFaceR_male,dataFaceR_female,dataFaceS_male,dataFaceS_female,dimension)
%UNTITLED2 此处显示有关此函数的摘要
%{
    函数输入:各个类别的数据,特征提取的维数dimension
    函数的输出:经过特征提取后的各类别数据
    函数的功能:基于可分性依据J2进行特征的提取

%}
%   此处显示详细说明
[maleRow,maleCol] = size(dataFaceR_male);%获取dataFaceR_male的行数和列数
[femaleRow,femaleCol] = size(dataFaceR_female);%获取dataFaceR_female的行数和列数
%求类内的均值向量
%maleMean = mean(dataFaceR_male(:,1:maleCol+1)); %男性的均值向量
maleMean = mean(dataFaceR_male); %男性的均值向量
%femaleMean = mean(dataFaceR_female(:,1:femaleCol+1));%女性的均值向量
femaleMean = mean(dataFaceR_female);%女性的均值向量
%类别先验概率
maleP = 0.5; %男性先验概率
femaleP = 0.5;%女性先验概率
sexTotalMean = maleMean.*maleP + femaleMean.*femaleP;  %性别总体均值
%求类间离散度矩阵

   discreteSbMale = (maleMean - sexTotalMean)' * (maleMean - sexTotalMean);
  
 discreteSbFemale = (femaleMean - sexTotalMean)' * (femaleMean - sexTotalMean);

discreteSb = discreteSbMale.*maleP + discreteSbFemale.*femaleP;
%求类内离散度矩阵
maleDiscrete = zeros(99,99);
femaleDiscrete = zeros(99,99);
for i=1:maleRow
    m
  • 18
    点赞
  • 117
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值