我使用以下方法提取了PCA特征：

function [mn,A1,A2,Eigenfaces] = pca(T,f1,nf1) m=mean(T,2),   %T是整个训练集train=size(T,2);A=[];for i=1:train    temp=double(T(:,i))-m;    A=[A temp];endtrain=size(f1,2);    %f1 - 来自训练集'T'的第一类人脸图像A=[];for i=1:train    temp=double(f1(:,i))-m;    A1=[A1 temp];endtrain=size(nf1,2);    %nf1 - 来自训练集'T'的非第一类人脸图像A=[];for i=1:train    temp=double(nf1(:,i))-m;    A2=[A2 temp];endL=A'*A;[V D]=eig(L);for i=1:size(V,2)    if(D(i,i)>1)       L_eig=[L_eig V(:,1)];    endend Eigenfaces=A*L_eig;end  

然后我仅投影了训练数据中的第一类人脸（类别+1），如下所示：

函数1

for i=1:15                       %训练集中第一类人脸图像的数量    temp=Eigenfaces'*A1(:,i);    proj_img1=[proj_img1 temp];end

然后我投影了训练数据中其余的人脸（类别-1），如下所示：

函数2

 for i=1:221              %训练集中非第一类人脸图像的数量      temp=Eigenfaces'*A2(:,i);      proj_img2=[proj_img2 temp]; end

函数3然后使用以下方法获得输入图像向量：

diff=double(inputimg)-mn;   %mn是训练数据的均值testfeaturevector=Eigenfaces'*diff;

我将函数1和函数2的结果分别标记为+1和-1，写入CSV文件中。然后我使用LIBSVM来计算准确率，当给出真实标签时，它返回了0%，当我尝试预测标签时，结果是-1而不是+1。

为什么准确率显示为0%？

基本上，我的模型没有正确训练，我无法发现错误所在。

任何建议都将不胜感激。

回答：

使用Eigenfaces作为训练集，创建一个label向量，包含1或-1（如果Eigenfaces的第i列对应于1，则label的第i个元素为1，否则为-1）。然后在svmtrain函数中使用Eigenfaces和label。