求助 人脸识别 用MDA（多重判别分析）降维的问题（W的求法）
老师给了我一个人脸库，是644*400的，一共40张脸，每个10张图片，现要求我用40张脸的前5个图片进行训练，后5个图片进行识别。我用MDA降维，即将D（这里D=644）维空间的投影到C-1（这里C=40）维上，关键就是Y=W'*X， 这里W的选取，我不太会，书上说W的选取关键是方向的选取，它要使得投影以后类内最大程度聚合，同时类间最大程度分离。
书中说了最优矩阵W的列向量是 Sb*Wi=a*Sw*Wi 最大特征值对应的特征向量 其中Sb是类内散布矩阵 Sw是类间散布矩阵
我的问题是：
1 求最大特征值对应的特征向量不会（前面有贴有这问题，但是我照样没改出来 -_-）
2 我求的W应该是644*39的，因为降到39维空间，可是最大特征值对应的特征向量应该就是一个列向量 （即644*1的），感 觉不大对
3 我的程序还老出现“Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 3.631628e-022.”
我的问题代码：
load orl_faces%加载orl数据库faces
a=faces; %644*400
%取出所有训练图像y 是644*200
y=[];
for i=1:40
for j=1:5 %相当于 for（i=0;i<mm;i++）
y=;
end
end
%估计总体的协差阵ST
a2=y'; %转置
yy=mean(a2); %求均值，yy:1*644
xmean=[];
for i=1:5*40
xmean=;
end
xmean= xmean'
M= xmean* xmean';
M=(1/5*40)*M;% M为总体协差阵 M是ST
%求SB
x=[];
ymean=[];
for i=1:40
for j=1:5 %相当于 for（i=0;i<5;i++）
x=;
end
a1=x'; %转置
xx=mean(a1); %求均值，xx:1*644
ymean=;
end
ymean= ymean'
N= ymean* ymean';
N=(1/40)*N;%N是SB
S=M-N;
%求a3最大特征值对应的特征向量 这段是对这论坛里贴修改的
a3=zeros(644);
f=inv(S);%算矩阵SW的逆矩阵
a3=f*N;
=eval( ['eigs(a',num2str(3), ')']);
eval( [' tbmax',num2str(3),'=max(r(:))'])
eval( [' tbvector',num2str(3),'=e(:,1)'])
w=tbvector3;
B=w'*x;%将D维的X投影到C-1维的Y上
%输入查询图像p
accu=0;
for m=1:40
for n=6:10
p=a(:,(m-1)*10+n);
%计算查询图象p的投影坐标
Q=w'*p;
% 计算出p与所有样本图象X间的欧几里得距离
distance=[];
fork=1:size(B,2)
e=Q-B(:,k);
temp=sqrt(sum(e.^2));
mag=temp;
distance=; %数组distance存放距离
end
=sort(distance);
%最近邻域判别法
class=ceil(index2(1)/5); % ceil向正取整，class:距离最近的类别
if class==m;
accu=accu+1; %记录识别成功次数
end
end
end
accuracy=(accu/200)*100
这段代码的错误应该从“%估计总体的协差阵ST”到“B=w'*x;%将D维的X投影到C-1维的Y上”之间
拜托大家，帮我看看吧 自己顶
页:
[1]