程序先用PCA降维,再利用LDA寻找最优投影向量。在ORL上测试,研究不同训练样本大小对识别率的影响,并寻找最佳投影维数,最后输出识别率。main.m是主函数,程序经Matlab 2016调试~
运行结果:
程序运行开始....................
每类训练样本数为:3
最佳投影维数为:38
FisherFace的识别率为:88.93%
程序运行时间为:15.33s
每类训练样本数为:4
最佳投影维数为:29
FisherFace的识别率为:93.75%
程序运行时间为:34.36s
每类训练样本数为:5
最佳投影维数为:24
FisherFace的识别率为:94.50%
程序运行时间为:57.13s
每类训练样本数为:6
最佳投影维数为:27
FisherFace的识别率为:97.50%
程序运行时间为:85.27s
每类训练样本数为:7
最佳投影维数为:18
FisherFace的识别率为:98.33%
程序运行时间为:117.52s
每类训练样本数为:8
最佳投影维数为:16
FisherFace的识别率为:100.00%
程序运行时间为:153.01s
程序运行结束....................