pca算法实现人脸识别

用matlab实现的pca算法，用于降维，适用于各种试验，如人脸识别程序。

使用方法：

1、选择训练和测试的数据库路径

2、选择测试图像的路径

3、运行CreateDatabase'函数给训练图像创建二维矩阵

4、运行'EigenfaceCore'函数创建基本的空间

5、运行'Recognition'函数得到相应的图像。

主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面， PCA 就是这样一种分析方法。

原文地址：pca算法实现人脸识别