pca的基础程序，详细阐述了pca的用法和编写过程，有助于新接触者更好的理解pca的原理和步骤，利于完成特征降维的基础理解

大数据-算法-集合降维变分方法及其在全球谱模式T106中的应用研究.pdf

大数据-算法-高维数据的降维理论及应用.pdf

大数据-算法-高维数据分析中的降维方法研究.pdf

大数据-算法-非线性过程监测中的数据降维及相关问题研究邵纪东.pdf

kpca提出者自己编写的matlab程序

matlab非参数代码HOPGD-sHOPGD HOPGD，Higher-Order Proper Generalized Decomposition的缩写，是一种多维数组分解方法。 与 PARAFAC 类似，它可用于将多维数组压缩为多个简单向量。 但不同的是，它自动确定给定近似精度所需的向量数量。 除了数据压缩之外，HOPGD 还可用于降阶代理建模、模型校准和优化、不确定性量化以及复杂系统的实时仿真。 该网站总结了我们最近在 HOPGD 方面的工作并分享了一些实现示例。 如果您使用这些代码，请考虑引用我们的工作。 标准实施 HOPGD 的标准实现基于所有组件的已知值的全阶数组。 全阶数组的一个示例是由 N^2 给定值实现的 N×N 矩阵。 使用 HOPGD 可以显着减少此类矩阵的存储内存。 可以在下面找到与此实现相关的应用程序 Lu, Y.、Blal, N. 和 Gravouil, A.（2018 年）。 用于参数研究的多参数时空计算 vademecum：在实时焊接模拟中的应用。 分析和设计中的有限元。 Blal, N., & Gravouil, A. (2019)。 基于非侵入式数

利用半监督降维算法预测蛋白质亚细胞位置

随着计算机技术的发展，在各种领域如计算机视觉、人脸识别、生物信息以及医学上都面临着高维数据的难题。高维数据中往往包含了冗余信息和噪声。数据降维是将高维数据投影至低维空间并保持数据本身固有的结构，在过去几十年里被众多学者不断地研究并取得了很大进展。在人脸识别中，入脸图像往往由于受到光照，表情和姿势的影响而难以识别，降维算法可以提取人脸图像中有效特征，去除其中的冗余和干扰，提高识别率。

drtoolbox: Matlab Toolbox for Dimensionality Reduction是Laurens van der Maaten开发的用来数据降维的工具箱，其中包含了著名的PCA,LDA算法，流行学习算法MLE,LLE,LPP,SNE，Isomap等，和度量学习算法LMNN,MCML,NCA等。