程序先用PCA降维，再利用LDA寻找最优投影向量。在ORL上测试，研究不同训练样本大小对识别率的影响，并寻找最佳投影维数，最后输出识别率。main.m是主函数，程序经Matlab 2016调试~
运行结果：
程序运行开始....................

每类训练样本数为：3
最佳投影维数为：38
FisherFace的识别率为：88.93%
程序运行时间为：15.33s

每类训练样本数为：4
最佳投影维数为：29
FisherFace的识别率为：93.75%
程序运行时间为：34.36s

每类训练样本数为：5
最佳投影维数为：24
FisherFace的识别率为：94.50%
程序运行时间为：57.13s

每类训练样本数为：6
最佳投影维数为：27
FisherFace的识别率为：97.50%
程序运行时间为：85.27s

每类训练样本数为：7
最佳投影维数为：18
FisherFace的识别率为：98.33%
程序运行时间为：117.52s

每类训练样本数为：8
最佳投影维数为：16
FisherFace的识别率为：100.00%
程序运行时间为：153.01s

程序运行结束....................