Я добылPCA Особенности использования:

function [mn,A1,A2,Eigenfaces] = pca(T,f1,nf1) 
m=mean(T,2),   %T is the whole training set
train=size(T,2);
A=[];
for i=1:train
    temp=double(T(:,i))-m;
    A=[A temp];
end

train=size(f1,2);    %f1 - Face 1 images from training set 'T'
A=[];
for i=1:train
    temp=double(f1(:,i))-m;
    A1=[A1 temp];
end


train=size(nf1,2);    %nf1 - Images other than face 1 from training set 'T'
A=[];
for i=1:train
    temp=double(nf1(:,i))-m;
    A2=[A2 temp];
end

L=A'*A;
[V D]=eig(L);
for i=1:size(V,2)
    if(D(i,i)>1)
       L_eig=[L_eig V(:,1)];
    end
end 
Eigenfaces=A*L_eig;
end  

Затем я спроектировал только лицо 1 (класс +1) из данных тренировок как таковых:

Функция 1

for i=1:15                       %number of images of face 1 in training set
    temp=Eigenfaces'*A1(:,i);
    proj_img1=[proj_img1 temp];
end

Затем я спроектировал остальные лица (класс -1) из данных тренировок как таковых:

Функция 2

 for i=1:221              %number of images of faces other than face 1 in training set
      temp=Eigenfaces'*A2(:,i);
      proj_img2=[proj_img2 temp];
 end

Функция 3 Затем вектор входного изображения был получен с использованием:

diff=double(inputimg)-mn;   %mn is the mean of training data
testfeaturevector=Eigenfaces'*diff;

Я написал результаты функций 1 и 2 в CSV-файле с метками +1 и -1 соответственно. Затем я использовал LIBSVM для получения точности при задании истинной метки, она вернула 0%, а когда я попыталась предсказать метку, она была равна -1 вместо +1.

И точность как 0%?

В основном моя модель не обучена должным образом, и я не вижу ошибки.

Любые предложения будут с благодарностью.