PCA和KPCA的Matlab和C++程序，其中核函数使用的是高斯核函数

利用主成分分析（PCA）对图像进行压缩的程序，有详细注释，给想学习PCA的人提供参考。

基于PCA的人脸识别MATLAB代码，可运行于MATLAB2014a，亲测有效

PCA 主成分分析代码 MATLAB版 PCA 主成分分析代码 MATLAB版 PCA 主成分分析代码 MATLAB版

PCA（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序 他们是目前图像处理比较经典的特征提取方法

PCA（主成分分析）算法，主要用于数据降维，保留了数据集中对方差贡献最大的若干个特征来达到简化数据集的目的。 实现数据降维的步骤： 1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩阵，通常需对样本矩阵进行处理，得到中性化样本矩阵 2、求样本矩阵的协方差矩阵 3、求协方差矩阵的特征值和特征向量 4、将求出的特征向量按照特征值的大小进行组合形成一个映射矩阵。并根据指定的PCA保留的特征个数取出映射矩阵的前n行或者前n列作为最终的映射矩阵。 5、用映射矩阵对数据进行映射，达到数据降维的目的。

pca降维，直接运行，你把你里面的数据换成你自己的就可以啦，注意里面的注解，欢迎下载，你指的拥有，可以的话，欢迎打分，谢谢！

PCA降维MATLAB程序,主要用于光谱的降维PCA降维MATLAB程序,主要用于光谱的降维

为了说明什么是数据的主成分，先从数据降维说起。数据降维是怎么回事儿？假设三维空间中有一系列点，这些点分布在一个过原点的斜面上，如果你用自然坐标系x,y,z这三个轴来表示这组数据的话，需要使用三个维度，而事实上，这些点的分布仅仅是在一个二维的平面上，那么，问题出在哪里？如果你再仔细想想，能不能把x,y,z坐标系旋转一下，使数据所在平面与x,y平面重合？这就对了！如果把旋转后的坐标系记为x',y',z'，那么这组数据的表示只用x'和y'两个维度表示即可！当然了，如果想恢复原来的表示方式，那就得把这两个坐标之间的变换矩阵存下来。

采用一种基于深度学习的人脸识别系统，通过逐层预训练的方法训练网络的初始权值，随后再精调网络，可使网络达到全局最优，避免网络模型陷入局部最优。