人脸识别中用主成分分析PCA来将数据降维--MATLAB代码

人脸识别的数据集，维度一般都比较高，在自己的电脑上跑这么高维的数据集，很多个人计算机需要跑很长时间，因此一般都需要改变图像大小或者是降维。

常用的方式有以下几种，最普通的是改变图像的大小，是用的MATLAB自带的imresize函数来直接改变图像的大小，如何使用请自行查询。其次就是降维，基本的降维方式主要是PCA和LDA两种，复杂的我也曾用过自编码器降维。本文主要讲述的是用PCA的方式降维人脸数据集，因为我在查阅时，大多是分析原理，少有人能详细说明，如何实现训练集与数据集的处理。

一. PCA原理

 PCA的算法过程，用一句话来说，就是“将所有样本X减去样本均值m，再乘以样本的协方差矩阵C的特征向量V，即为PCA主成分分析”，其计算过程如下：
    [1].将原始数据按行组成ｍ行ｎ列样本矩阵X（每行一个样本，每列为一维特征）
    [2].求出样本X的协方差矩阵C和样本均值m；（Matlab可使用cov()函数求样本的协方差矩阵C，均值用mean函数）
    [3].求出协方差矩阵的特征值D及对应的特征向量V；（Matlab可使用eigs()函数求矩阵的特征值D和特征向量V）
    [4].将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P；（eigs()返回特征值构成的向量本身就是从大到小排序的）
    [5].Y=(X-m)×P即为降维到k维后的数据；

二. 实现方法

直接调用Matlab工具箱princomp( )函数实现，