实验报告模式识别作业.pdfVIP

实验报告

12110240001

实验数据：

文件夹orl中包含40个人的人脸图像,每个人有10幅图像，共400幅图像。

实验方法：

将所有人脸作为LLE的训练样本；

（1）用LLE将训练样本降到两维，仿照文献中的做法，将部分人脸显示在二维平面

上；

（2）用降维后的样本（自己定降到多少维）做分类测试，每个人的前5个样本作为

（分类）训练样本，后5个人脸作为测试样本（最简单的方法是以每类训练样本

的类作为该类的prototype，用最小距离分类器分类）。

实验过程及结果：

（1）用LLE将训练样本降到两维，仿照文献中的做法，将部分人脸显示在二维平面

上；

首先读入需要训练的400张人脸样本，生成10304*400的训练向量矩阵，利用文

献中的方法，先寻找到K个最近邻，此处考虑到训练样本中每人有10张图像，因

此一个人脸图可以由另外9得到，因此K选作9。随后算出所有图像的权重，

进行降维。最终得到的结果如下，图一为计算得到降维后的图像点在二维坐标空间

内的图，图二则为这些点代表的图像。很明显，从图中可以看到其中6号的10张

图像仅可以让自己人脸图像的来表示，因此他的人脸图像更容易被识别出。（由于

计算时的累积误差，可能与理想模型稍微有些区别。）

1

图一

图二

（2）用降维后的样本（自己定降到多少维）做分类测试，每个人的前5个样本作为（分

类）训练样本，后5个人脸作为测试样本（最简单的方法是以每类训练样本的类

作为该类的prototype，用最小距离分类器分类）。

2

首先读入需要训练的400张人脸样本，生成10304*400的训练向量矩阵，利用文献

中的方法，先寻找到K个最近邻，此处考虑到训练样本中每人有10张图像，因此一个

人脸图可以由另外9得到，因此K选作9。随后算出所有图像的权重，进行降维。

此处为方便比较，将维数降到与鉴别向量相同的39维。并用降维后的每类平均脸作为

类，用最小距离分类器分类得到结果如下：

3

每类误差率如下（%）：总误差率为34.5%。

从误差率可以看出，非