代码介绍：为PCA的Matlab实现，使用一张图片代替了多个向量数据的输入，自己可以进行更改即可，其中关于项目中的内容以及裁剪，基本保留了PCA的功能，是从PCA原理一步步实现的，可以起到较好的学习左右，了解到PCA的原理

对人脸识别方法的pca和bp神经网络的结合

PCA提取主成份后重构，可以理解成预测、也可以理解成滤波。

参考文献：matlab工具箱的pca rbf广西降雨量预测模型研究，给出思路方法！

上海大学 机器学习 计算机专业课 实验 代码直接运行 1. 实验内容 通过对给定数据进行主成分分析来了解PCA算法 2. 实验目标 通过本实验掌握PCA算法

% 基于 PCA 的故障检测％ % 输入：z0 [N x 2] = 训练数据% z1 [N x 2] = 测试数据% 其中： N = 样本数％ % 此代码可视化 PCA 如何计算% 用于故障检测中的多元数据。 % 它还使用 MATLAB 的 ks密度% 估计数据 PDF，以便计算% 基于 T^2 的控制上限。 ％ % simpledata.mat 具有样本温度 [K] % 和浓度 [mol/L] 数据来自% 模拟 CSTR 的含量。 ％ % 输出是原始数据的图， % 归一化数据和 PCA 投影数据。 % 另外，环代表基于 T^2 的% 不同用户的控制上限 - % 定义的置信水平被绘制。 ％ % 您可以在第 77 行编辑置信限。 ％ % 此代码用于教育目的。 ％ % 加载 simpledata.mat 并运行以下命令： % >> pcabased_fault_detection(train,

使用PCA以及KNN实现人脸识别。用PCA对原始图片进行降维，用KNN实现分类。

PCA主成分分析原理及应用,pca入门的极好的教程，内容介绍比较详细

如果你想学习pca，这个请不要错过

【语音分离】基于PCA+ICA语音信号采集+混合+分离含Matlab源码