PCA主成分分析代码，可用于特征降维。在人脸识别、遥感图像应用等领域有着成功的应用

本科期间做的一个课程设计，觉得比较好玩，现将之记录下来。其中包含实验所用图库及源程序。 实验目的： （1）学习主成分分析（PCA）的基础知识； （2）了解PCA在人脸识别与重建方面的应用； （3）认识数据降维操作在数据处理中的重要作用； （4）学习使用MATLAB软件实现PCA算法，进行人脸识别，加深其在数字图像处理中解决该类问题的应用流程。

线性降维主成分分析PCA的matlab图像压缩仿真代码，还包括了与奇异值分解进行对比的程序，基于matlab2018写的，可直接运行。

主成分分析实例：一个平均值为(1,3)、标准差在(0.878,0.478)方向上为3、在其正交方向为1的高斯分布。这里以黑色显示的两个向量是这个分布的协方差矩阵的特征向量，其长度按对应的特征值之平方根为比例，并且移动到以原分布的平均值为原点。在多元统计分析中，主成分分析（英语：Principalcomponentsanalysis，PCA）是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。由于主成分分析依赖所给

内含主成分分析PCA代码和测试数据

基于matlab实现PCA降维算法，可用于多维数据的损失最小化压缩，内附全代码

基于主成分分析(PCA)的人脸识别系统源代码

主要介绍了主成分分析matlab的实现，基本展示了主成分的步骤，无需修改参数，就可以使用

用主成分分析PCA估计噪声方差，里面有代码和对应论文，可以查阅，代码是matlab的

matlab程序-像素级图像融合-主成分分析法，希望可以帮到您，谢谢