对非线性高维数据降维算法--局部嵌入方法LLE的改进算法。

流形学习算法Matlab代码实现，通过三种算法将三维图像降维到二维图像，利用K近邻构造数据图，Isomap最短路径使用Dijkstra算法。

EN.553.738高维近似，概率和统计学习最终项目 关查理，胡志明，张杰@约翰·霍普金斯大学 在这个项目中，我们探索三种不同的非线性降维/流形学习算法：Isomap，局部线性嵌入（LLE）和扩散图/ Laplacian特征图。 我们在数据集上对这些算法进行基准测试，例如经典的瑞士卷，虹膜，MNIST和神经元尖峰数据。 我们还将它们与主成分分析（PCA）进行比较，后者是一种线性降维算法。 最后，我们有一个使用扩散图的演示来分析氢二聚体的玩具分子动力学模拟的自由能态。 要运行任何基准测试/演示，请启动相应的脚本： python filename.py 。 您可以编辑每个脚本中每个算法中的超参数，例如投影维和相邻算法的数量。 先决条件 脚本要求： 数据集 Swiss Roll和Iris数据集是从sklearn.datasets包生成的。 我们下载了亚·莱卡的网页的数据库MNIST。 神经

流形学习、LLE、降维

特征提取数据降维PCA、LDA、MDS、LLE、TSNE等降维算法的python实现

基于LLE和LE的异构场景下的多任务多视图聚类算法。

对瑞士卷进行降维操作

对LLE降维算法中的邻域以及维度进行估计，得到最优的参数，并附带参考文献可以学习，其中包含两份matlab代码可以使用

matlab 流形学习算法 降维算法 LLE Isomap LE LTSA PCA MDS等算法代码.以及说明！

lle算法详解及matlab代码实现，给出了 lle算法的详细解析及matlab代码实现