做模式分类时（例如指纹识别，人脸识别），一个需要处理的难题是维数非常大，人脸往往是百万维的，目前计算机的能力还不足以快速地计算这么高维的数据。pca是一中降维的方法，用它可以把高维数据映射到一个维数较低的空间上考虑。

模式识别中 kpca的规范实现包括映射到低纬空间，及像低维空间投影-The norms of pattern recognition kpca including mapped to the low-latitude space, like a low-dimensional space projection

支持向量机模式识别教程 教程首先介绍了VC维和结构风险最小化的概念。然后，我们描述线性可支持向量机（SVM）的可分离和不可分离的数据，通过一个不平凡的例子详细。我们描述了一个机械类比，并讨论当SVM解决方案是唯一的，当它们是全球性的。我们描述了如何实现支持向量机训练，并详细讨论了用于构造数据非线性的SVM解决方案的核心映射技术。(A Tutorial on Support Vector Machines for Pattern Recognition)