当前位置:首页 >> 信息与通信 >>

基于SVM人脸识别代码


基于 SVM 人脸识别 Matlab 代码
function [nsv,al3,bi,T]=svm168(x,y,ker,C,par,tol); % 支持向量机在模式识别方面的应用. % [nsv,al3,bi,T]=svm168(x,y,ker,C,par,tol); % 输入参数: % x: 输入矩阵,每行代表一个样本,列数表示样本特征数。矩阵行数代表样本 数 。

% y: 由 -1 或 +1 组成的列向量. 每行表示相应样本的类别。只有两类。 % ker: 字符串 'linear', 'poly_h', 'poly_i' and 'rbf'。 % 用于传递内积函数的类型。 % C: 惩罚因子。 % par: 内积函数的参数。如多项式内积表示多项式的次数。查看 kernel 函数。 % tol: 算法的迭代误差。默认值是 10^-5。 % 输出: % nsv: 支持向量个数. % al3: alpha 值. % bi: 偏差值. % T: 运行时间. % clear;clc;close all; % disp('输入样本矩阵(每行表示一个测试数据):'); % x=[randn(1,20)-3 randn(1,20)+3;randn(1,40)]' % disp('样本所属类别:'); % y=[-ones(1,20) ones(1,20)]' % [nsv,alpha,bias,T]=svm168(x,y,'linear',10); % fprintf('运行时间 T=%g\n',T); % fprintf('支持向量个数:%g\n',nsv); % svcplot(x,y,'linear',alpha,bias); % W=x'*alpha; % disp('权系数向量:'); % W % disp('测试数据:'); % X_test=[randn(1,20)-3 randn(1,20)+3;randn(1,40)]' % disp('测试数据类别:');

% Y_test=[-ones(1,20) ones(1,20)]' % disp('测试数据类别判决:'); % Output=X_test*W+bias % disp('错误率:'); % number_error=sum(abs(Y_test-sign(Output)))/2; % error=number_error/20 % 径向基(或多项式)内积函数:(testrbf.m) % clear;clc;close all; % disp('输入样本矩阵(每行表示一个测试数据):'); % x=[randn(1,20)-3 randn(1,20)+3;randn(1,40)]' % disp('样本所属类别:'); % y=[-ones(1,20) ones(1,20)]' % [nsv,alpha,bias,T]=svm168(x,y,'rbf',10,4); % fprintf('运行时间 T=%g\n',T); % fprintf('支持向量个数:%g\n',nsv); % svcplot(x,y,'linear',alpha,bias); % disp('测试数据:'); % X_test=[randn(1,20)-3 randn(1,20)+3;randn(1,40)]' % disp('测试数据类别:'); % Y_test=[-ones(1,20) ones(1,20)]' % disp('测试数据类别判决:'); Output=kernel('rbf',X_test,x(find(alpha),:),4)*alpha(find(alpha))+bi as % disp('错误率:'); % number_error=sum(abs(Y_test-sign(Output)))/2; % error=number_error/20 -----------------------------------------------------------------------T=clock; if (nargin<4 | nargin>6) help svm168 else if(nargin==4 & ker(1)=='p') disp('将多项式内积的次数置为 2。'); par=2;

elseif(nargin==4 & ker(1)=='r') fprintf(1,'径向基函数内积的参数 (方差) 置为 %1.3f\n',sqrt(size(x,2))); par=sqrt(size(x,2)); elseif(nargin==4) par=0; end if(nargin<6) tol=10^-5; end K=10^6; N=size(x,1); ns=-1; k=2; hacer=1; bi=0; H=kernel(ker,x,x,par); i1p=1:2:N; i1n=2:2:N; i1=[i1p i1n]'; a=zeros(N,1); a(i1)=C; al3=zeros(N,1); bi=0; i2p=[]; i2n=[]; Lp(1)=N*C; e=y; while(hacer) al3_a=al3; bi_a=bi; al3=zeros(N,1); al3(i2p)=C; al3(i2n)=-C; if(length(i1)) Xi=inv([H(i1,i1)+diag(1./(a(i1))) ones(length(i1),1);ones(1,length(i1)) 0]);

aux=Xi*[y(i1)+C*H(i1,i2n)*ones(length(i2n),1)-C*H(i1,i2p)*ones(lengt h(i2p),1);C*length(i2n)-C*length(i2p)]; al3(i1)=aux(1:length(i1)); bi=aux(length(i1)+1); end e_a=e; I=find(al3-al3_a); if(length(I)) e=e_a-H(:,I)*(al3(I)-al3_a(I))-(bi-bi_a); end Lp(k)=al3'*H*al3/2+C*sum(e(find(e.*y>0)).*y(find(e.*y>0))); if((abs(Lp(k)-Lp(k-1))/Lp(k-1))<tol & k>(ns+1)) nsv=length(i1)+length(i2n)+length(i2p); hacer=0; else if((Lp(k)-Lp(k-1))/Lp(k-1)>tol) LL=Lp(k-1); HH=Lp(k); posL=0; posH=1; while(posL==0) jj=(posH+posL)/2; al3b=al3*jj+al3_a*(1-jj); bib=bi*jj+bi_a*(1-jj); I=find(al3b-al3_a); if(length(I)) eb=e_a-H(:,I)*(al3b(I)-al3_a(I))-(bib-bi_a); end if(HH>LL) HHa=HH; posHa=posH; HH=al3b'*H*al3b/2+C*sum(eb(find(eb.*y>0)).*y(find(eb.*y>0))); posH=jj; else LL=al3b'*H*al3b/2+C*sum(eb(find(eb.*y>0)).*y(find(eb.*y>0))); posL=jj;

end end jj=posH+posL; al3b=al3*jj+al3_a*(1-jj); bib=bi*jj+bi_a*(1-jj); I=find(al3b-al3_a); if(length(I)) eb=e_a-H(:,I)*(al3b(I)-al3_a(I))-(bib-bi_a); end valor=al3b'*H*al3b/2+C*sum(eb(find(eb.*y>0)).*y(find(eb.*y>0))); posL=posH; LL=HH; posH=jj; HH=valor; if(valor>Lp(k-1)) while(abs(valor-Lp(k-1))/Lp(k-1)>10^-3) jj=(posH+posL)/2; al3b=al3*jj+al3_a*(1-jj); bib=bi*jj+bi_a*(1-jj); I=find(al3b-al3_a); if(length(I)) eb=e_a-H(:,I)*(al3b(I)-al3_a(I))-(bib-bi_a); end valor=al3b'*H*al3b/2+C*sum(eb(find(eb.*y>0)).*y(find(eb.*y>0))); if(valor>Lp(k-1)) HH=valor; posH=jj; else LL=valor; posL=jj; end end end pos=jj; al3=al3*pos+al3_a*(1-pos); bi=bi*pos+bi_a*(1-pos);

I=find(al3-al3_a); if(length(I)) e=e_a-H(:,I)*(al3(I)-al3_a(I))-(bi-bi_a); end Lp(k)=al3'*H*al3/2+C*sum(e(find(e.*y>0)).*y(find(e.*y>0))); if(pos<10^-10) hacer=0; nsv=length(i1)+length(i2n)+length(i2p); end end i1p=find(e>=0 & y==1); i1n=find(e<=0 & y==-1); a=zeros(N,1); a(i1p)=C./e(i1p); a(i1n)=-C./e(i1n); a(find(a>K))=K; i2p=find(al3>=(C-C/100) & al3<=(C+C/100) & al3_a>=(C-C/100) & al3_a<=(C+C/100) & e>0 & y==1 & 15*e>14*e_a); if(length(setdiff(i1p,i2p))) i1p=setdiff(i1p',i2p)'; else [val,pos]=min(e(i2p)); i2p=setdiff(i2p,i2p(pos)); i1p=setdiff(i1p',i2p)'; end i2n=find(al3>=(-C-C/100) & al3<=(-C+C/100) & al3_a>=(-C-C/100) & al3_a<=(-C+C/100) & e<0 & y==-1 & 15*e<14*e_a); if(length(setdiff(i1n,i2n))) i1n=setdiff(i1n',i2n)'; else [val,pos]=max(e(i2n)); i2n=setdiff(i2n,i2n(pos)); i1n=setdiff(i1n',i2n)'; end i1=[i1p;i1n];

k=k+1; end end end T=etime(clock,T);


相关文章:
基于opencv的人脸识别程序-代码
基于opencv的人脸识别程序-代码_计算机软件及应用_IT/计算机_专业资料。基于opencv的人脸识别程序-代码第8 卷第 3 期 2009 年 8 月 淮阴师范学院学报 (自然科学...
人脸识别程序源代码
人脸识别程序源代码_理学_高等教育_教育专区。1.利用 OpenCV 进行人脸检测 人脸检测程序主要完成 3 部分功能,即加载分类器、加载待检测图象以及检测并标示。 本程序...
基于opencv的人脸识别程序-代码详解
基于opencv的人脸识别程序-代码详解_IT/计算机_专业资料。#include "cv.h" #...capture)//如果没有摄像头读取视频文件 capture = cvCaptureFromAVI("检测.avi"...
人脸识别课程设计附带代码
但是直 接使用 SVM 方法进行人脸识别有两方面的困难:第一,训练时需要求解二次...2.4 基于积分图像特征的人脸检测方法: 是 Viola 等新近提出的一种算法,它综合...
基于SVM的人脸识别
基于SVM人脸识别摘要:主成分分析(PCA)是人脸识别中特征提取的主要方法,支持向量机 (SVM)具有适合处理小样本、非线性和高维数问题,利用核函数且泛化能力强 等...
基于matlab的简单人脸识别程序代码
基于matlab的简单人脸识别程序代码_IT/计算机_专业资料。matlab人脸识别小程序 基于matlab的简单人脸识别实例简介人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的...
人脸识别C++程序代码 - 副本
人脸识别C++程序代码 - 副本_计算机软件及应用_IT/计算机_专业资料。// AppDesign...{ //基于给定的矩形设置图像的 ROI,即获取感兴趣的图像 cvSetImageROI(pImg...
基于PCA和SVM的人脸识别方法
基于PCA和SVM人脸识别方法_计算机软件及应用_IT/计算机_专业资料。基于PCA和SVM...b } * * 一个修改后的PCA+SVM进行人脸识别的Matlab代码 tic; allsamples=[...
数字图像处理人脸识别matlab程序代码。
数字图像处理人脸识别程序代码 程序代码: clear; I=imread('E:\02089008.jpg'); %%插入图像地址 O=rgb2ntsc(I); G=O(:,:,2); [m n]=size(G); U=...
【毕业论文】基于matlab的人脸识别系统设计与仿真(含ma...
基于matlab 的人脸识别系统设计与仿真 第一章 绪论 ...到的理论知识即直方图差异对比,并编写 matlab 代码...支撑向量机(Support Vector Machine,SVM)法是在统计...
更多相关标签:
svm 人脸识别 代码 | 基于svm的人脸识别 | svm人脸识别 | pca svm 人脸识别 | matlab svm 人脸识别 | opencv svm 人脸识别 | python svm 人脸识别 | 人脸识别lda svm源码 |