weixin_43863744的博客

完整代码链接：完整matlab代码人脸数据集：ORL人脸数据集，该数据集共包含40个不同人的人脸图像，每个人有10张图像，一共400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。每张图像是在不同的时间、不同的光照、不同的面部表情(睁眼/闭眼，微笑/不微笑)和面部细节(戴眼镜/不戴眼镜)环境下采集的。链接：orl人脸数据集构建训练数据集和测试数据集，训练数据集用来训练分类模型，测试数

新手上路，有疑问或者错误欢迎留言指正人脸数据集：ORL人脸数据集，该数据集共包含40个不同人的人脸图像，每个人有10张图像，一共400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。每张图像是在不同的时间、不同的光照、不同的面部表情(睁眼/闭眼，微笑/不微笑)和面部细节(戴眼镜/不戴眼镜)环境下采集的。链接：构建训练数据集和测试数据集，训练数据集用来训练分类模型，测试数据集用来评估分

利用k-means算法对cherry.jpg和dog.jpg两图RGB模式的图像按颜色进行分割，并显示分割结果。此处使用matlab自带的kmeans函数。补充知识：RGB模式的图像读入后为m*n*3的数组，记这个数组为a，则a(:, :, 1)为颜色通道R上的取值矩阵，a(:, :, 2)为颜色通道G上的取值矩阵，a(:, :, 3)为颜色通道B上取值矩阵。图像中位于第i行第j列的像素点的颜色为a(i, j, :)，它包括a(i, j, 1)，a(i, j, 2)，a(i, j, 3)，分别是在3个颜

k-means算法步骤:步骤1：随机选择k个初始簇中心(聚类中心)； 步骤2：对剩余的每个样本，分别计算其到k个簇中心的距离,并将其划分入距离它最近的簇中心所在的簇中，从而形成k个簇;步骤3：重新计算每个簇的均值向量作为新的簇中心； 步骤4：如果簇中心没有任何改变，算法停止，否则回到步骤2。k-means算法优点： 原理简单，易 于 实 现，收敛速度快。 算法高效：时间复杂度为Ο(tkn) 其中,n是样本数，k是簇的数目，t是算法迭代次数。k和t通常较小，所以k

只提取了最基础简洁的pca实现过程，其中的具体原理和过程可以参考如下博客：https://blog.youkuaiyun.com/guyuealian/article/details/68487833https://www.cnblogs.com/hxjbc/p/6197986.htmlPCA进行特征降维的步骤： 设有m条n维数据。 1）将原始数据按列组成n行m列矩阵X 2）将X的每一行（代表一个属性字段）进行零均值化，即减去这一行的均值 3）求出协方差矩阵 .