文件名称：matlab精度检验代码-classify-it:使用各种分类器的人脸识别
文件大小：9.41MB
文件格式：ZIP
更新时间：2024-06-10 20:56:03
系统开源
matlab精度检验代码分类它 概述 该项目围绕2个主要任务：识别给定数据集中的每个主题以及中性表情与面部表情的分类。 可以找到该项目的3个数据集。 数据集的用法有单独的自述文件。 使用4个分类器执行任务，即贝叶斯，k最近邻（KNN），内核SVM和Boosted SVM分类器。 此外，在将数据输入分类器之前，必须对数据进行主成分分析（PCA）和多判别分析（MDA）。 依存关系 的MATLAB 管道 首先，我们对所需的数据集执行预处理，在该数据集上进行重塑以将所有要素数据移动到单个列中。 请注意，对于Illumination.mat数据集未执行此操作。 数据集也分为训练和测试数据集。 在预处理期间也会生成用于训练和测试数据集的标签。 我们对诸如PCA和MDA之类的训练数据执行用户选择的分析。 用户也可以选择不执行任何分析。 训练数据被馈送到用户选择的分类器中进行学习。 最后，通过在测试数据上使用分类器来测量分类器的准确性。 结果 任务1：识别给定数据集中的每个主题 每个对象的Illumination.mat和Pose.mat数据集都有2个测试样本。 在Data.mat数据集中，已为每个主
【文件预览】：
classify-it-main
----.gitignore(2KB)
----LICENSE(1KB)
----Code()
--------mda.m(1KB)
--------kernel_poly.m(67B)
--------test_kernal_svm.m(602B)
--------bayes_classifier.m(2KB)
--------kernel_svm.m(1KB)
--------split_data.m(6KB)
--------test_linear_svm.m(408B)
--------task1.mlx(4KB)
--------task2.mlx(29KB)
--------Data()
--------kernel_RBF.m(82B)
--------train_linear_svm.m(534B)
--------boosted_svm.m(728B)
--------pca.m(512B)
--------train_kernal_svm.m(749B)
--------knn_classifier.m(874B)
----README.md(4KB)
----graphs()
--------rbf_svm_pca.png(20KB)
--------poly_svm.png(20KB)
--------knn_mda.png(32KB)
--------poly_svm_mda.png(23KB)
--------task1.png(15KB)
--------boosted_svm.png(6KB)
--------poly_svm_pca.png(20KB)
--------rbf_svm_mda.png(22KB)
--------bayes_pca.png(39KB)
--------rbf_svm.png(16KB)
--------knn_pca.png(35KB)
--------knn.png(32KB)
--------bayes_mda.png(40KB)
--------bayes.png(38KB)
----report.pdf(431KB)