图像识别示例

本示例展示了如何使用奇异值分解（SVD）和线性判别分析（LDA）进行图像识别，基于Nathan Kutz教授的Coursera课程。该示例加载包含80只狗和80只猫的训练数据，图像为64x64的黑白格式，构成4096x80的矩阵。

运行示例时，使用Octave或Matlab（建议使用Matlab分支），在相应目录中运行main.m，将生成图形并显示测试结果。成功率应在81.25%左右，指示测试数据集的运行情况。

数据处理

加载的数据经过边缘检测处理，使用dc_edges.m方法对结果进行优化。以下是示例代码的核心逻辑：

1. 读取训练数据并进行矩阵化处理。

2. 对图像进行边缘检测以提取特征。

3. 使用SVD分解数据以进行LDA分析。

查看代码以了解详细实现，并欢迎提出改进建议！