这个是咱们第一个项目，没有思路的可以找小徐班主任要Jerry老师的视频描述（建议大家先自己多理解看看，如果暂时没有思路可以看看之前的课程，也可以再找找资料）<br/><br/> 要求如下：<br/><br/> 作业截至时间：5月22日23：59，具体答案将会在本周末讲解并公布<br/><br/> ----基于 Kernel LDA + KNN 的人脸识别<br/> ----使用 Kernel Discriminant Analysis 做特征降维<br/> ----使用 K-Nearest-Neighbor 做分类<br/><br/><br/> 数据:<br/> ----人脸图像来自于 Olivetti faces data-set from AT&T (classification)<br/> ----数据集包含 40 个人的人脸图像, 每个人都有 10 张图像<br/> ----我们只使用其中标签(label/target)为 0 和 1 的前 2 个人的图像<br/><br/><br/> 算法:<br/> ----需要自己实现基于 RBF Kernel 的 Kernel Discriminant Analysis 用于处理两个类别的数据的特征降维<br/> ----代码的框架已经给出, 需要学生自己补充 KernelDiscriminantAnalysis 的 fit() 和 transform() 函数的内容<br/><br/><br/> 结果：<br/> 1.要求识别成功率：100%<br/> 2.达到如图所示效果图
