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）: