PatternRecognition-with-matlab

使用matlab从0构建模式识别算法

声明： 本仓库中的所有代码及博客中的原理均为原创。转载和使用请注明出处。

代码仓库地址：https://github.com/LingyvKong/PatternRecognition-with-matlab

博客地址：https://kppkkp.top/tags/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/

一、包含的内容

1. 贝叶斯分类

• 使用最大似然法进行参数估计
• 使用直方图和parzen窗（均匀核+高斯核）进行非参数估计
• 对测试集分类
• 画出决策面

2. fisher线性判别

• 求出决策面方程
• 对测试集分类
• 画出决策面
• 画出投影直线

3. 感知器

• 动画展示训练过程
• 对测试集分类

4. Otsu阈值分割

• 显示原始图像及其灰度分布
• 显示Otsu二值化结果
• 将Otsu结果使用5*5的均值滤波后的结果

5. PCA人脸识别

• 显示PCA的特征脸
• 显示一张脸使用特征脸还原的结果
• 使用最小距离进行人脸识别，显示准确率

二、运行方法

1. 贝叶斯分类

   MATLAB中直接运行\Bayes\exp1.m脚本文件

   运行时间可能需要几分钟。默认为GIRLdatas数据集。如需查看其它数据集，请自行更改路径和数据集名称。

2. fisher线性判别

   MATLAB中直接运行\fisher\exp2.m脚本文件

   运行时间可能需要几分钟。

3. 感知器

   MATLAB中直接运行\perception\exp3.m脚本文件

4. MSE

   MATLAB中直接运行\perception\exp3_1_mse.m脚本文件

5. Otsu

   MATLAB中直接运行\PCA\Otsu.m脚本文件

6. PCA人脸识别

   • 先运行\PCA\exp4.m，可以得到特征脸及还原示例
   • 再运行\PCA\face_recognized.m进行人脸识别。
   • 注：\PCA\bigFai.m的效果等同于\PCA\exp4.m,但是在相同配置下，后者只需5秒，前者需要7分钟。

程序全部通过 MATLAB R2016b 验证，如无法运行欢迎提交issue