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

在实验中，我们可以把高维的数据进行降维，得到低维的数据，然后在进行分析。完美运行，你值得拥有。

基于hog+pca+svm行人检测源码，包括训练以及检测的所有的代码，希望可以帮助到需要的人。

pca图像处理的程序，希望能够帮助各位的程序实现，来完成相关的研究学习

利用matlb编写的基础PCA程序，对象是TE过程，共21个故障

基于PCA的人脸识别系统源代码，自动识别人脸，且可以和数据库中的人脸进行对比识别

模式识别4个实验（matlab代码 ）1.贝叶斯决策分类器对鸢尾花 2.基于Fisher 准则的线性分类器分析 3.PCA 人脸特征提取与重构 4.设计 C-均值聚类 分器对鸢尾花均值聚类

数据降维   在实际生产生活中，我们所获得的数据集在特征上往往具有很高的维度，对高维度的数据进行处理时消耗的时间很大，并且过多的特征变量也会妨碍查找规律的建立。如何在最大程度上保留数据集的信息量的前提下进行数据维度的降低，是我们需要解决的问题。   对数据进行降维有以下优点：   （1）使得数据集更易使用   （2）降低很多算法的计算开销   （3）去除噪声   （4）使得结果易懂   降维技术作为数据预处理的一部分，即可使用在监督学习中也能够使用在非监督学习中。而降维技术主要有以下几种：主成分分析(Principal Component Analysis，PCA)、因子分析(Factor Analysis)，以及独立成分分析(Independent Component Analysis, ICA)。其中主成分分析PCA应用最为广泛，本文也将详细介绍PCA。

pca降维。实现标准的Turk-Pentland Eigenfaces方法。 作为最终结果，该函数将pcaProj矩阵保存到具有所有图像的磁盘上投影到由PCA发现的subDim维子空间上。

KPCA算法代码实现，MATLAB实现。kernel核函数为poly和gaussion。