【人臉識別】用pca降維 fisher分類器 yale數據集，用matlab實現？您不清楚流程，不知道需要什么幫助。耶魯數據不知道存在哪些功能。如果主成分分析降到二維，這個特征空間描述是否足以區(qū)分不同

【人臉識別】用pca降維 fisher分類器 yale數據集，用matlab實現？

您不清楚流程，不知道需要什么幫助。

耶魯數據不知道存在哪些功能。如果主成分分析降到二維，這個特征空間描述是否足以區(qū)分不同的人臉？我從來沒有用過它，只是一個簡單的問題從來沒有用過。似乎與PCA和LDA有一定關系。這似乎是一種映射降維。它似乎是一個非常簡單的分類器。這樣的分類器效果好不好。（如果你看你的二維特征空間，這似乎不是問題。）如果是二維人臉識別，我們可以先考慮子圖像分割，然后創(chuàng)建子圖像權重系數矩，然后子圖像矩陣取高特征值，或者用DCT矩陣取大特征，利用特征值和權矩生成特征空間。然后利用模糊神經網絡對數據進行訓練，得到識別系統(tǒng)。或者你也可以用BP遺傳算法，學校使用的ORL數據庫似乎有90分以上的識別率。

PCACOV函數的輸入參數是數據的協(xié)方差矩陣。它是一個方陣。2、計算出矩陣對應的協(xié)方差矩陣，然后調用PCACOV函數；3、程序中的特征值按從大到小的順序排列，也可以根據索引找到相應的特征向量。

請教如何用pcacov對矩陣進行降維處理？

K-L變換是離散變換的縮寫，也稱為主成分變換（PCA）。

多光譜圖像X的線性組合，利用K-L變換矩陣a產生一組新的多光譜圖像y，表達式為：y=ax，其中X為變換前多光譜空間的像素向量；y為變換前霍德主成分空間的像素向量；a是變換矩陣，是X空間協(xié)方差矩陣∑X的特征向量矩陣的轉置矩陣，從幾何角度看，變換后的主分量空間坐標系相對于原多光譜空間坐標系旋轉一個角度，新坐標系的坐標軸必須指向數據信息量大的方向。就新譜帶的主成分而言，它們包含了不同的信息，并呈現出下降的趨勢。我建議大家看一下張崢、王艷萍、薛貴祥等主編的《數字圖像處理與機器視覺》第十章。