我想先进行主成分分析（PCA），然后进行多重判别分析（MDA），以将数据集的维度从99^2减少到49（用于面部识别）。

我的第一步是通过PCA将维度从99^2减少到50。现在我想使用MDA将维度从c减少到c-1，即从50减少到49。我尝试了这段代码，但得到的’Answer’中包含复数值，这是错误的。

%   计算PCA
mat_mean = mean(trainData(:));
normalized_train = trainData - mat_mean;
A = normalized_train/std(normalized_train(:));
S1 = A * A';
[V,Z] = eigs(S2,50);
Wpca = A'*V*Z;
%    计算MDA
[Sb,Sw] = scattermat(Wpca);
Sb1=Wpca*Sb*Wpca';
Sw1=Wpca*Sw*Wpca';
[Answer,ready1] = eigs(Sb1,Sw1,49);

有什么建议可以告诉我哪里做错了？

回答：

原因是“eigs”函数计算矩阵的特征值，其中包含平方根运算…而我在Sb和Sw中有一些负值。