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
   

4. 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