数据集合说明.docVIP

数据集合说明 Yale人脸数据库： 经过裁剪预处理的人脸识别研究用Yale人脸数据库，共有15个人，每人11幅图像，共165幅图片，包括图像（“Yale”文件夹里）和Matlab的.mat数据（Yale.mat），已经做了预处理可以直接用于人脸识别研究实验。 在matlab中查看.mat数据 clear all %先清空workspace里的数据 load Yale.mat %导入mat文件 打开matlab窗口desktop/workspace，mat文件里的所有数据都在里面，双击其中一个变量就会在Matlab的Variable Editor里列出变量的内容。 原始图片数据是一个8000*165的矩阵。 训练集和测试集 每个人前6张作为训练（训练集共90张图片，数据集大小为8000*90），后5张作为测试（测试集共75张图片，数据集大小为8000*75）。 TrainIndex.txt：训练集标号，第一列为序号，第二列为在原始图片数据矩阵中的序号，第三列为类别标号。 TestIndex.txt：测试集样本序号，已随机打乱，给出的特征与这个顺序相同，测试样本识别后可利用标号计算识别率。 % 序号 原始图片序号 类别标号 为了减少特征维数，各特征数据由KL变换取前面的主分量得到，如表1所示。根据主分量占总体信息的比例，得到不同的特征，并给出相应的模板匹配的识别率，最后一行作为比较，给出了采用原始图片特征+模板匹配的识别率。可比较各种特征的识别率和时间。 表1 数据集特征及识别率 数据集 维数 PCA主分量/总信息 模板匹配识别率 Trainfeature1.txt 10*90 75%，前10个主分量 88% Testfeature1.txt 10*75 Trainfeature2.txt 5*90 55%，前5个主分量 80% Testfeature2.txt 5*75 Trainfeature3.txt 3*90 35%，前3个主分量 60% Testfeature3.txt 3*75 Trainfeature4.txt 8000*90 原始数据 90.67% Testfeature4.txt 8000*75 PCA特征产生（可选） 可以自己学习如何利用PCA产生特征（用Index.m，改变主分量的比例在EigenfaceCore.m第62行），尝试训练集和测试集的选择方法，训练对大数据的处理能力。建议在其他文件夹进行，否则会覆盖提供的数据。 使用说明： 可以使用提供的特征向量进行分类，也可以在原始图片或二值图上提取新的特征分类或综合使用两者； 可以选择其他训练集和测试集的组合进行分类练习，了解训练集对识别率的影响。 附：matlab常见问题 如何将.mat数据保存成.txt文件格式？ 答：load Yale.mat %导入mat文件 save2txt(Yale.txt, Yale) %利用函数保存.mat数据到.txt文件中 %方便其他程序利用 如何将数据保存成.txt文件格式？ 答： save Testfeature2.txt -ascii ProjectedTestImage