可直接实现的2DPCA算法代码

可直接实现的2DPCA算法代码，有数据mat，代码

function  [eigvector eigvalue meandatanew_dim] = pca2drow（Xoptions）
% PCA2dd  2D row  Principal Component Analysis.
%
% Synopsis:
%  model = pca2dd（X）
%  model = pca2dd（Xnew_dim）
%  model = pca2dd（Xvar）
%
% Description:
%  It computes 2D row Principal Component Analysis
%
%  model = pca2dd（Xnew_dim） use to specify explicitely output
%   dimension where new_dim >= 1.
%
%  model = pca2dd（Xvar） use to specify a portion of discarded
%   variance in data where 0 <= var < 1. The new_dim is 
%   selected be as small as possbile and to satisfy 
%     var >= MsErr（new_dim）/MaxMsErr 
%   
%   where MaxMsErr = sum（sum（X.^2））. 
%
% Input:
%  X[xaxanumtr] training data xa--rowxa--ranknumtr--train num
%
%  new_dim [1x1] Output dimension; new_dim > 1 （default new_dim = dim）;
%  var [1x1] Portion of discarded variance in data.
%
% Ouputs:
%  model [struct] Linear projection:
%   .W [dim x new_dim] Projection matrix.
%   .b [new_dim x 1] Bias.
%  
%   .eigval [dim x 1] eigenvalues.
%   .mse [real] Mean square representation error.
%   .MsErr [dim x 1] Mean-square errors with respect to number 
%     of basis vectors; mse=MsErr（new_dim）.
%   .mean_X [dim x 1] mean of training data.
%
%%

% get dimensions
[xa~numtr]=size（X）;

% process input arguments
if nargin < 2
    options.PCARatio = 0.99;
end

% centering data
meandata = mean（X3）;
X=X-repmat（meandata[1 1 numtr]）;

% covariance
Gt = zeros（xaxa）;
for j=1:numtr
    Gt = Gt + X（: : j）*X（: : j）‘/numtr;
end

% eigenvalue decomposition
[VD]=eig（Gt）;
[eigvalueindexv]=sort（-diag（D））;
sortV= V（:indexv）;

% decide about the new_dimension
if options.PCARatio >= 1
  new_dim = options.PCARatio;   % new_dim enterd explicitely
else
 new_dim=options.PCARatio*numtr;
end

% take new_dim most important eigenvectors
eigvector=sortV（:1:new_dim）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2014-11-10 20:09  2DPCA\
     文件        1829  2013-10-08 21:52  2DPCA\2DPCA_knn.asv
     文件     2914492  2013-10-08 16:27  2DPCA\AR2D_data.mat
     文件     3729559  2013-10-08 16:25  2DPCA\ORL2D_data.mat
     文件        2145  2013-10-11 18:44  2DPCA\PCA2D_knn.asv
     文件        2220  2014-11-10 20:08  2DPCA\PCA2D_knn.m
     文件     1396287  2013-10-08 16:15  2DPCA\Yale2D_data.mat
     文件        1806  2013-10-08 19:58  2DPCA\pca2dd.asv
     文件        1817  2013-10-08 21:44  2DPCA\pca2dr.asv
     文件        1819  2013-10-08 21:54  2DPCA\pca2drow.m