主成分分析逆变换_主成分分析(PCA)

相对与网上很多人分享的有关PCA的经历，我第一次接触PCA却不是从人脸表情识别开始的，但我所在的实验室方向之一是人脸的研究，最后也会回到这个方向上来吧。

PCA(principal components analysis)是一种非常有用的统计技术，它已经应用于人脸识别和图像压缩领域中，并且是高维数据计算模型的常用技术。简单说是把高维数据将成低维数据，比如100000x100000的矩阵降成100000x100的。

从例子中也看得出在数学模型中直观看到的是对矩阵进行的各种各样的变形最终达到我们所需要的矩阵形式。所以一定的关于矩阵的线性代数的知识是不可或缺的数学基础。

pca的原理我暂且不写，我要按照我所认识的PCA经历一点点写吧。

我一开始接触到PCA是偏于实践的，因为实验室的一个项目的大量数据需要用PCA做分析，所以安排我负责PCA这一部分，对数据进行降维处理。我是在matlab中进行的。

matlab中的PCA

http://blog.csdn.net/wangzhiqing3/article/details/12193131

这个里面比较全，有讲解和例子。