标题:模式识别实验课程项目任务指导书
分享到:
-
所属分类: 数学建模
资源类型:文档
文件大小: 9.36 KB
上传时间: 2019-05-31 21:48:13
下载次数: 28
资源积分:1分
提 供 者: admin
模式识别实验课程项目任务指导书
内容:
模式识别实验课程项目任务指导书
一、实验项目名称
人脸识别
二、实验目的
用有监督学习机制设计并实现模式识别方法,用于进行人脸面部特征识别,如性别(男性、女性)、年龄(儿童、青少年、成年、老年)、佩戴眼镜(是、否)、戴帽子(是、否)、表情(微笑、严肃)等。
三、实验内容
人脸识别是模式识别的一个重要的应用领域。其识别过程包括:特征提取与选取、分类(包括训练与测试)、分类器性能评估。
四、实验数据
四个文本文件:
faceR: 训练数据,100个属性(其中第一个属性是编号,其余99个是本征脸(eigenface) 属性参数,共2000个人脸的数据。
faceS: 测试数据,100个属性(其中第一个属性是编号,其余99个是本征脸(eigenface) 属性参数,共2000个人脸的数据。
faceDR: 对faceR文件中的每一个人脸数据的说明。
faceDS: 对faceS文件中的每一个人脸数据的说明。
提示:由于数据是真实数据,会有以下情况:
1) 有缺失数据(如1228, 1808, 4056, 4135, 4136, and 5004),建议将有缺失数据的人脸记录不予考虑
2) 有错误数据,建议对有错误的人脸记录不予考虑
原始数据:各个人脸的原始图象数据在目录rawdata中
五、实验要求
1) 将数据导入
2) 确定分类的目标(可以是下面的一个目标,或多个目标的组合)
a) 性别(男性、女性)
b) 年龄(儿童、青少年、成年、老年)
c) 佩戴眼镜(是、否)
d) 戴帽子(是、否)
e) 表情(微笑、严肃)等。
3) 选用一种分类算法(距离分类器、Bayes分类器、SVM、ANN 或Decision Trees),将faceR和faceS合并,采用K-folds cross validation训练并测试分类器的性能(分类准确率、或AUC等)作出评估。
4) 用MATLAB、或者Python、Java、 C++等编程实现模式识别的整个过程(可以直接调用相关的函数)。
5) 完成项目报告,具体内容包括:
a) 模式识别问题的说明,重要是说明分类的目标
b) 模式识别过程的说明:采用何种分类算法,改算法的基本原理,是否进行了特征提取或特征选取,程序的基本流程框图,训练的结果,测试的结果,分类器的准确率是多少?造成错分的原因可能是什么?
c) 列出所使用的参考文献
6) 要提交的内容
a) 项目报告(必须用给定的报告封面)(电子版和打印板)
b) 分类算法源程序(电子版)
六、提示
1) 文件ev.mat中存放原始图像和本征脸的对应数据,以及平均脸的数据。可以用以下命令(MATLAB)恢复本征脸对应的原始人脸图像:
load ev.mat
load faceR
v = faceR(5, 2:100)';
i = eigenfaces'*v + mean_face';
imagesc(reshape(i, 128, 128)');
colormap(gray(256));
2) 用以下命令(MATLAB)可以直接显示原始的人脸图像
fid=fopen('rawdata/1223');
I = fread(fid);imagesc(reshape(I, 128, 128)');
colormap(gray(256));
文件列表(点击上边下载按钮,如果是垃圾文件请在下面评价差评或者投诉):