主分量分析,用于高维数据降维或提取目标特征。程序精简，效率高.

Currently, the Matlab Toolbox for Dimensionality Reduction contains the following techniques: Principal Component Analysis (PCA) Probabilistic PCA Factor Analysis (FA) Sammon mapping Linear Discriminant Analysis (LDA) Multidimensional scaling (MDS) Isomap Landmark Isomap Local Linear Embedding (LLE) Laplacian Eigenmaps Hessian LLE Local Tangent Space Alignment (LTSA) Conformal Eigenmaps (extension of LLE) Maximum Variance Unfolding (extension of LLE) Landmark MVU

经典主成分分析法，实现高光谱图像的降维处理

混合主成分分析（dPCA） dPCA是一种线性降维技术，可自动发现并突出显示复杂的人口活动的基本特征。 人口活动被分解为几个混合的部分，这些部分捕获了数据中的大多数方差，并突出了人口对各种任务参数（如刺激，决策，奖励等）的动态调整。 D Kobak + ，W Brendel + ，C Constantinidis，CE Feierstein，A Kepecs，ZF Mainen，XL Qi，R Romo，N Uchida，CK Machens 神经人口数据的混合主成分分析eLife 2016， //elifesciences.org/content/5/e10989 （arXiv链接：

针对当前输电线路故障诊断的需求，结合智能电网运行中产生的大量结构多样、来源复杂的数据，将这些大数据归类于不同的维度，设计了基于多维度数据融合的输电线路故障智能诊断系统。对多维度的诊断结果融合架构、融合方法等进行了设计，并给出了故障智能诊断系统的主要功能模块和整体结构。最后，通过该系统的运行，表明了多维度数据融合的诊断结果具有较高的诊断速度和准确度，在电力行业故障诊断方面具有良好的应用前景。

comita:集成趋势分析（ITA）通常用于总结近几十年来在生态系统中发生的变化。 当前，有多种用于ITA的方法，这引起了人们的疑问，哪种方法是用于ITA的最佳方法。 该应用程序的目的是提供一种工具，可以轻松地比较不同的ITA方法，并测试数据预处理和变量选择对​​最终结果的影响。 希望该软件包将提高生态学家对不同降维技术的认识，并根据其数据集的特征为选择ITA方法提供理由和信心

利用pca对图片进行降维，基于matlab进行运算，测试图片选用orl人脸库

PCA降维技术

包含IG,MI,CHI等降维算法和NB,CENTROID,SVM分类算法

机器学习降维PCA案例代码--用于自己学习使用