说明:LDA线性判别分析是一种经典的提取特征的算法,它的基本思想是通过样本的类内离散度和类间离散度,寻找由最佳投影矢量构成的投影矩阵。将原始的样本数据投影到特征子空间中,实现数据分类。由于在人脸识别时常常会遇到小样本问题,因此在本次代码中,先用PCA主成分分析的方法降低样本维数,再用线性判别分析提取特征。...
说明:主成分分析PCA对数据矩阵进行降维,可以减少计算量,缩短计算时间,降低CPU负载,需要考虑实时性的场合可以采用主成分分析PCA对数据进行处理。只需要对程序当中的k值进行调整,即可降维到相应的维数,简单方便
说明:对于初学matlab的同学会有帮助,Gabor小波变换与PCA的人脸识别代码,对信号进行频谱分析及滤波,基于分段非线性权重值的Pso算法,模式识别中的bayes判别分析算法,应用小区域方差对比,程序简单。