matlab
中主
成
分分
析
算
法
(
PCA
)
详
解
,
附
上
⼈
脸
识
别
的
具
体
实
例
本
次
我
将
为
您
介
绍
Matlab
中主
成
分分
析
(
PrincipalComponentAnalysis,PCA
)
算
法
,
包
括
其
在
⼈
脸
识
别
中
的
应
⽤
。
同
时
,
我
也
会
给
出
⼀些
具
体
的
样
例
和
代
码
实
现
。
PCA
是
⼀
种
常
⻅
的
数
据
降
维
⽅
法
,
它
可
以
将
⾼
维
数
据
映
射
到
低
维
空
间
中
,
同
时
保
留
数
据
的
主
要
特
征
。
这
种
⽅
法
通
常
⽤
于
数
据
降
维
、
数
据
可
视
化
、
噪
声
过
滤
、
特
征
提
取
等
领
域
。
在
⼈
脸
识
别
中
,
PCA
可
以
⽤
于
将
⾼
维
的
⼈
脸
图
像
数
据
降
维
,
从
⽽
提
⾼
分
类
和
识
别
的
准
确
性
。
下
⾯
是
Matlab
中
PCA
算
法
的
具
体
实
现
步
骤
:
1.
数
据
预
处
理
:
将
数
据
集
中
每
⼀
维
的
数
据
进
⾏
零
均
值
化
,
即
将
每
个
维
度
的
平
均
值
减
去
该
维
度
上
所
有
数
据
的
平
均
值
。
2.
计
算
协
⽅
差
矩
阵
:
将
零
均
值
化
后
的
数
据
集
计
算
协
⽅
差
矩
阵
。
3.
计
算
协
⽅
差
矩
阵
的
特
征
值
和
特
征
向
量
:
使
⽤
Matlab
中
的
eig
函
数
计
算
协
⽅
差
矩
阵
的
特
征
值
和
特
征
向
量
。
4.
选
择
主
成
分
:
将
特
征
向
量
按
照
对
应
的
特
征
值
从
⼤
到
⼩
进
⾏
排
序
,
选
取
前
k
个
特
征
向
量
作
为主
成
分
。
5.
数
据
降
维
:
将
原
始
数
据
⽤
选
出
的
主
成
分
进
⾏
线
性
变
换
,
得
到
降
维
后
的
数
据
。
下
⾯
是
⼀个
具
体
的
实
例
。
假
设
有
⼀个
3
维
数
据
集
,
其
中
包
含
5
个
样
本
: