-
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。 -
数据
数据来源:链接:https://pan.baidu.com/s/17zU6A4-8Zs-TjspizbAOhA
提取码:dpb1 -
实现过程
-
特征提取
程序流程图:
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