2025年模式识别实验报告3KL变换实验实验报告例.doc

试验报告（例1）

课程名称： 模式辨认 试验名称： KL变换试验
提交时间：
专业：计算机应用技术 年级： 2023级 姓名：
一、试验目的和要求
1. 掌握特征提取的基本措施。
2. 掌握基于KL变换的特征提取的措施。
3. 培养学生灵活使用KL变换进行模式辨认的能力。

二、试验环境、内容和措施
环境：windows XP，matlab R2023a

内容：
给出ORL人脸数据库，共有400幅人脸图像（40人，每人10幅，大小为92*112象素）。其中第一种人的图像如下图：

选用数据库中的部分样本（每个人的前5张图片）作为训练样本，其他作为未知的测试样本。从训练样本中得到KL变换矩阵，然后对训练样本和测试样本都进行变换，用变换后的数据作近来邻辨认，距离能够为相应灰度值之差的平方和，统计辨认率。

措施：KL变换措施

三、试验过程描述
1．经过com_ReadDB函数读取每个人的前5幅图像，函数com_ReadDB 返回TrainX和TrainClass。TrainX的每一行是每幅图像能够用按行或者按列堆成一种＝WidthHeight维向量。TrainClass是图像的辨认信息。
2．求均值m,构造矩阵
3．计算：
4．计算：[V,D] = eig(R);
5．计算：
6．按特征值从大到小排序，选择前几种最大的特征值相应的Ui作为变换矩阵W。
7．把全部训练样本做变换y=Wtx，保存系数y。
8．再读取每个人的后5幅图像作测试。
9．对新样本也作变换，看与哪个y最接近。
10．把比较成功辨认的图像进行计数。最终统计辨认率。

四、成果分析
经过取不同的前N个最大特征向量，如最大的10个表达为190：200，得到如下辨认率的数据：
190：200 辨认率为： 0.9100
180：200 辨认率为： 0.9350
170：200 辨认率为： 0.9450
160：200 辨认率为： 0.9500
150：200 辨认率为： 0.9450
140：200 辨认率为： 0.9500
130：200 辨认率为： 0.9400
120：200 辨认率为： 0.9500
110：200 辨认率为： 0.9450
100：200 辨认率为： 0.9450
50：200 辨认率为： 0.9500
20：200 辨认率为： 0.9600
1：200 辨认率为： 0.9600
当最大特征向量达成30个后来辨认率已经固定在0.9450。再增长提升已经不大。

在试验过程中曾遇到cell类型的比较问题。因为没有现成的cell类型，只能经过cell转换成别的类型进行比较。处理措施是用一种变量C=cell{n,m},n,m表达cell中的第n行，m列的元素。C的类型取决与cell{n,m}中的类型。

五、附录代码
[TrainX,TrainClass] = com_ReadDB('D:\模式辨认\ORL\','1,2,3,4,5');
m=mean(TrainX,2);
Q=[];
for i=1:200
Q=[Q TrainX(:,i)-m];
end
R=Q'*Q;
[V,D] = eig(R);
U=Q*V*D^(-0.5);
W=U(:,150:200);
Ty=W' * TrainX;
[TrainX1,TrainClass1] = com_ReadDB('D:\模式辨认\ORL\','6,7,8,9,10');
Ty1=W' * TrainX1;
compare=0;
for j=1:200
for i=1:200
a(i) =norm(Ty(:,i)-Ty1(:,j),2);
end
min=a(1);
order=1;
for i=2:200
if a(i)<min
min=a(i);
order=i;
end
end
ju1=TrainClass(order,1);
ju2=TrainClass1(j,1);
if ju1{1}==ju2{1}
compare=compare+1;
end
end
disp('成功辨认率为：');disp(compare/200);