核主成分分析（kernel principal component analysis; KPCA），工学-信息与通信工程-模式识别-统计模式识别-特征提取-核主成分分析，利用核技巧对主成分分析算法的非线性核化的数据降维方法。主成分分析是一种线性数据降维方法，它假设从高维空间到低维空间的函数映射是线性的。然而，在许多情况下，可能需要非线性映射才能达到更好的降维效果。核主成分分析的基本思想是：把原始空间中的样本点通过非线性映射映射到一个高维特征空间，然后在这个高维特征空间中进行线性主成分分析。由于是对经由非线性映射得到的数据进行线性降维，这等价于对原始空间中的数据进行非线性降维，因此KPCA是一种非线性数据降维方法。