多线性主成分分析MPCA

function [tUs odrIdx TXmean Wgt]  = MPCA（TXgndTXtestQmaxK）
% MPCA: Multilinear Principle Component Analysis
%
% %[Prototype]%
% function [tUs odrIdx TXmean Wgt]  = MPCA（TXgndTXtestQmaxK）
%
% %[Author Notes]%
% Author: Haiping LU
% Email : hplu@ieee.org   or   eehplu@gmail.com
% Affiliation: Department of Electrical and Computer Engineering
%              University of Toronto
% Release date: June 24 2008 （Version 1.1）
% Please email me if you have any problem question or suggestion
%
% %[Algorithm]%:
% This function implements the Multilinear Principal Component Analysis
% （MPCA） algorithm presented in the follwing paper:
%    Haiping Lu K.N. Plataniotis and A.N. Venetsanopoulos
%    “MPCA: Multilinear Principal Component Analysis of Tensor objects“
%    IEEE Transactions on Neural Networks
%    Vol. 19 No. 1 Page: 18-39 January 2008.
% Please reference this paper when reporting work done using this code.
%
% %[Toolbox needed]%:
% This function needs the tensor toolbox available at
% http://csmr.ca.sandia.gov/~tgkolda/TensorToolbox/
%
% %[Syntax]%: [tUs odrIdx TXmean Wgt]  = MPCA（TXgndTXtestQmaxK）
%
% %[Inputs]%:
%    TX: the input training data in tensorial representation the last mode
%        is the sample mode. For Nth-order tensor data TX is of 
%        （N+1）th-order with the （N+1）-mode to be the sample mode.
%        E.g. 30x20x10x100 for 100 samples of size 30x20x10
%        If your training data is too big resulting in the “out of memory“
%        error you could work around this problem by reading samples one 
%        by one from the harddisk or you could email me for help.
%
%    gndTX: the ground truth class labels （123...） for the training data
%           E.g. a 100x1 vector if there are 100 samples
%           If the class label is not available （unsupervised learning）
%           please set gndTX=-1;
%
%    testQ: the percentage of variation kept in each mode suggested value
%           is 97 and you can try other values e.g. from 95 to 100 to
%           see whether better performance can be obtained.
%
%    maxK: the maximum number of iterations suggested value is 1 and you 
%          can try a larger value if computational time is not a concern.
%
% %[Outputs]%:
%    tUs: the multilinear projection consiting of N
%         projection matrices one for each mode
%
%    odrIdx: the ordering index of projected features in decreasing  
%            variance （if unsupervised） or discriminality （if supervised）  
%            for vectorizing the projected tensorial features
%
%    TXmean: the mean of the input training samples TX
%
%    Wgt: the weight tensor for use in modified distance measures. Please
%         refer to Section IV.B and IV.C of the paper.
%
% %[Supported tensor order]%
% This function supports N=234 for other order N please modify the
% codes accordingly or email hplu@ieee.org or eehplu@gmail.com fo