主成分分析(PcA) 使J(e)最小的e最大化eSe 拉格朗日乘子法(约束条件ee=1) u=e'se-Ne'e-D) =2Se-2e=0 λ是S的本征值( eigenvalue) Se=he e是S的本征向量( eigenvector) e' se=dee 》最大本征值λ对应eSe的最大值 结论:e为散布矩阵最大的本征值对应的本征向量主成分分析（PCA） • 使 最小的e最大化 • 拉格朗日乘子法（约束条件 ） • 结论：e为散布矩阵最大的本征值对应的本征向量 ( 1) t t u = − − e Se e e  1 J ( )e t e Se 2 2 0 u   = − =  Se e e 1 t e e = Se e =  是S的本征值（eigenvalue） e是S的本征向量（eigenvector）  t t e Se e e = =   最大本征值  对应 e Se t 的最大值