PCA中的数据矩阵的一个备忘

最近自以为学习了很多识别算法，想来仿真一下，不仿真不知道，一仿真问题出来了。

在PCA中是对数据矩阵X(m*n)来做的降维，我事先是把m作为一个图片的全部维度，n代表样本，于是按照XX'来找特征向量等，由于一个图片最少也有1000+的像素，但是1000+的方阵在matlab中只要以计算就会是内存溢出，我正纳闷之际，看了别人的matlab源代码发现都是用X'来做的也就是X'X来计算协方差矩阵的。

最开始以为这个问题是在人脸识别中才会出现的，但是根据之前会议老板讲过的PCA觉得还是对于一个样本点来说的啊，纳闷的很，在群里请教了大牛，大牛直接给我找到了维基百科中对PCA中这个X的描述，竟然是这么描述的：

好了问题解决了，也就是说在PCA中行数代表的是样本点数，列数是维度。我们求出来的特征向量的维度肯定都是样本点数，那么找到一个特征向量就是对列数进行了降维！