利用稀疏主分量分析实现目标识别中的特征提取，包括论文和仿真代码。-Informative Feature Selection for Object Recognition via Sparse PCA

稀疏主成分分析用于脸部检测和识别的基础知识介绍。初学者很专业的入门材料。-Sparse principal component analysis for face detection and identification of the basics of introduction. Introductory material for beginners very professional.

针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的