在PCA（主成分分析）的计算流程中，以下是标准的步骤：

1. **样本集标准化**：将数据标准化，使得每个特征具有均值为0，方差为1。这一步是为了消除不同特征之间的量纲差异。
2. **样本集矩阵中心化**：将每个特征的均值减去，使得数据中心化，即每个特征的均值为0。
3. **计算样本矩阵的协方差矩阵**：计算中心化后的样本矩阵的协方差矩阵，以了解各特征之间的线性关系。
4. **求协方差矩阵的特征值和特征向量**：计算协方差矩阵的特征值和特征向量，以确定主成分的方向和重要性。
5. **选择主要特征向量**：根据特征值的大小选择主要的特征向量，通常选择特征值较大的前k个特征向量。
6. **转换数据**：将原始数据投影到选择的主要特征向量上，从而得到降维后的数据。

根据上述步骤，选项中不是PCA转换计算流程的步骤是：
B: 样本集矩阵中心化

正确答案是：B。样本集矩阵中心化是PCA流程中的一个重要步骤，不是一个非必要步骤。