给定数据模型，用matlab程序代码实现数据的降维，基于方差贡献率来确定最终降维的维数。

本文首先对目前典型的流形学习方法与核函数理论进行较为全面的分析， 并对 LE(LaplaceEigenmaPs)算法进行核化。此外，提出了一种PCA(PrinciPal ComponentAnalysiS)和 LLE(LoealLinearlyEmbedding)混合数据降维方法，并 在经典数据集和具有挑战性的数据集上取得了较好的降维效果。为了进一步说 明此算法的有效性，本文将此算法应用于手写字分类和人脸分类算法的预处理 过程中，得到了预期的效果。为了说明此算法的有效性，本文又进一步从理论 上进行了分析。

CCA 特征融合 降维 matlab程序实现 多元统计应用

自己写的一个利用pca主成分分析算法对遥感图像进行降维的例子，适合初学者，代码解压即可运行，希望对大家有帮助。

在实验中，我们可以把高维的数据进行降维，得到低维的数据，然后在进行分析。完美运行，你值得拥有。

pca图像处理的程序，希望能够帮助各位的程序实现，来完成相关的研究学习

目前最好的降维方法。高维数据的降维与可视化。如果将维度降到2维或3维，我们就能将原始数据可视化，从而对数据的分布有直观的了解，发现一些可能存在的规律。

pca降维。实现标准的Turk-Pentland Eigenfaces方法。 作为最终结果，该函数将pcaProj矩阵保存到具有所有图像的磁盘上投影到由PCA发现的subDim维子空间上。

请参考我的关于PCA的博客，再运行该代码，也附带有一张用于测试的图。

里面文档对LDA算法有详细的推导过程，并带有仿真代码；同时还有一份关于LDA所运用的数学知识笔记。希望对你们学习和理解LDA算法有帮助！！！