求解PCA的一般步骤如下:
1.收集数据组成一个m×n的矩阵，m是观测变量的个数,n是采样点的个数。
2.在每个观测变量上减去该观测变量的平均值，得到矩阵X。
3.对XXT进行分解特征,求取特征向量还有其对应的特征根。
PCA没有参数限制，这是它的一项很大的优点。计算PCA的结果只与数据有关,不受用户关系的影响。
2.1.2  独立成分分析(Independent Component Analysis，ICA)
独立成份分析(ICA)是另一种重要的子空间分析方法。它的思想是消除或者减少各个分量之间的相关性，使它们尽可能地相互独立［4］。PCA和ICA都属于线性非监督方法。
假设 MATLAB基于子空间的图像检索技术的研究(3):http://www.751com.cn/tongxin/lunwen_19127.html