基于PCA的FMRI数据处理实例，FMRI源数据来源于SPM网站

基于pca lda 粗糙集 模糊神经网络的人脸识别程序 在matlab上可直接运行

黄金价格受多种因素影响，具有高度的非线性和随机特征。 一些传统的预测方法过分强调线性关系，而另一些则忽略了价格随机性。 预测误差相对较大。 因此，提出了一种基于主成分分析（PCA）和遗传算法（GA）的BP神经网络模型，用于黄金价格的短期预测。 BP可以建立金价预测模型。 遗传算法优化了BP神经网络的权值和阈值，克服了BP算法容易陷入局部极小的缺点。 PCA可以有效简化网络输入变量并加快收敛速度​​。 结果表明，与GA-BP和BP相比，PCA-GA-BP神经网络模型的收敛速度更快，金价预测的预测精度更高。

基于PCA人脸识别代码

-包含对TE数据集21种故障的监测 -有注释，方便理解 -主要是T平方和SPE两种监测统计量

基于PCA的人脸特征提取和识别 基于PCA的人脸特征提取和识别

利用PCA实现人脸识别

采用了matlab中的fictsvm训练函数，predict预测。

% 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,

【语音分离】基于PCA+ICA语音信号采集+混合+分离含Matlab源码