主元分析 (Principal Component Analysis, PCA) 又叫：Karhunen-Loeve变换 (KLT)、Hotelling变换。 假设已经从图象已经缩放为N*M大小。 m幅N*M大小的图象Xi作为n*1列向量看待-PCA (Principal Component Analysis, PCA) also known as: Karhunen-Loeve Transform (KLT), Hotelling transform.

KLT(PCA,EIGEN T, HOTELLING T) for MATLAB

hotelling transformation has been written with help of Matlab 2007a. This technology has been applied to transform images. A test image has been included in the file for explanation. It accpets 256 color map bmp image as input and produces the outp

主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。