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算法融合多光谱图像和全色图像，附全色影像和多光谱影像，调试通过，每一行都有详细注释

MATLAB编程的以PCA算法为基础的人脸识别，包含人脸库，经典的算法。

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

基于PCA主元分析法实现的手写数字识别功能，附有Matlab代码及解释。

手写数字识别，所使用的是PCA主成分分析算法，内部有多个测试图片和PDF说明。

我用MATLAB2010完美运行，资源放着也没用，拿出来大家一起分享一下

基于PCA特征脸算法的人脸识别； 运行主脚本函数即可 全部代码都在这

1、利用MATLAB的GUI完成系统的编程及系统界面2、基于PCA算法实现人脸识别；读取人脸数据库；主成分分析法降维并去除数据之间的相关性；数据规格化；SVM训练（选取径向基和函数）；读取测试数据、降维、规格化；用步骤4产生的分类函数进行分类（多分类问题，采用一对一投票策略，归位得票最多的一类）；输出匹配度最高的一个

基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别