最经典的人脸识别中的fisherface代码，在此之前要对特征空间降维，通常采用PCA降维，此代码基于降维实现类间与类内比值的最大化。

本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B

MATLAB编程，提取LFP功率特征，采用PCA降维，实现不同颜色数据分类-MATLAB programming, LFP power feature extraction using PCA dimensionality reduction to achieve different color data classification

利用主成分分析（ＰＣＡ）实现对人脸特征的降维，然后利用最近邻实现人脸识别-Using the main component analysis (PCA) to realize the reduction of facial features, then use the nearest neighbor to realize face recognition