基于SVM人脸识别代码.pdf

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 (nargin4 |nargin6) 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(nargin6) 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; i