Direct LDA and PCA+LDA：LDA、Direct LDA和PCA+LDA的实现。 有关详细信息，请参见描述。-matlab开发

这实现了在华宇和杨洁《一种针对高维数据的直接LDA算法—— 应用于人脸识别” 阅读。 它很短。 基本上我们这里有 LDA（线性判别分析），直接 LDA，它可以做 LDA 但更好（基本上当你的类内散布矩阵 Sw 是奇异的时，它不会丢弃 Sw 的零空间，它包含大部分判别信息）和 PCA+LDA，它对数据进行 PCA，然后对降维数据进行 LDA。 这里还有一个使用特征分解的 PCA（主成分分析）和另一个使用 SVD 的实现。 输入 X : nt xn 其中 nt 个大小为 n 的特征向量示例y : 类别标签大小为 nt 的向量例如： X = [2 3 4 2; 8 2 3 4; 3 9 2 3; 8 4 2 3; 9 9 2 8]； y = [3; 2; 4; 3; 2]; k ：我们最终想要的特征数量 方法：pcalda 或 directlda 如果method = directlda