现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction method using a majority of th

在ORL或Yale标准人脸数据库上完成模式识别任务。用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验. -Or Yale in the ORL face database, complete the standard pattern recognition tasks. With the PCA and kernel-based PCA (KPCA) method to complete the reconstruction of face image and reco

KPCA主要在图像去噪声方面有应用。此外还可以进行特征提取，降维使用.-KPCA major noise in the image to have the application. You can also feature extraction using dimension reduction.

(1)Bayes分类 已知N=9， =3，n=2，C=3,问x= 应属于哪一类？ (2)聚类 使用c－均值聚类算法在IRIS数据上进行聚类分析 (3)鉴别分析 在ORL或Yale标准人脸数据库上完成模式识别任务。 用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验。-(1) Bayes classification Known N = 9, = 3, n = 2, C = 3, x = should ask which cat

KPCA Algorithm (image processing)