说明：数据采用PCA降维后进行kmeans聚类确定样本类别，对聚类后数据作图，包括数据点以及质心位置， 随后进行样本集划分，利用knn算法进行有监督的学习分类，经测试，能够取得较好的分类效果。
说明：主成分分析方法（PCA），PCA算法的理论依据是K-L变换，通过一定的性能目标来寻找线性变换W，实现对高维数据的降维。
说明：核pca(kernel pca)教程，用来降低数据维度。这里的核可以用其他的核函数代替 ，这个教程对多维数据是慢的。读者可以用性能好的核函数来提高性能。
说明：用PCA来抽取人脸特征，在降低维数的同时，在一定程度上去除原始特征各维之间的相关性。每个人选取五张为实验的数据集。
说明：主成分分析程序，应用于图像特征提取，数据降维等方面
说明：用于特征降维，特征融合，相关分析等,一种流形学习算法（很好用），考虑雨衰 阴影 和多径影响，包括数据分析、绘图等等,用于时频分析算法，合成孔径雷达（SAR)目标成像仿真。