包含源码、实验报告、图片数据 机器学习PCA降维的实现，对人脸数据降维

人工智能 聚类算法 k-means案例 数据降维 聚类并可视化(食物实例)

数据降维34种方法，用Matlab编译

11种数据降维与显示方法，非常实用

matlab 降维工具箱及说明文档matlab 降维工具箱及说明文档

这是一个本人博客教学中使用到的，数据集，是关于使用python进行pca综合评价指标计算使用的数据集。

主分量分析,用于高维数据降维或提取目标特征。程序精简，效率高.

Currently, the Matlab Toolbox for Dimensionality Reduction contains the following techniques: Principal Component Analysis (PCA) Probabilistic PCA Factor Analysis (FA) Sammon mapping Linear Discriminant Analysis (LDA) Multidimensional scaling (MDS) Isomap Landmark Isomap Local Linear Embedding (LLE) Laplacian Eigenmaps Hessian LLE Local Tangent Space Alignment (LTSA) Conformal Eigenmaps (extension of LLE) Maximum Variance Unfolding (extension of LLE) Landmark MVU

经典主成分分析法，实现高光谱图像的降维处理

混合主成分分析（dPCA） dPCA是一种线性降维技术，可自动发现并突出显示复杂的人口活动的基本特征。 人口活动被分解为几个混合的部分，这些部分捕获了数据中的大多数方差，并突出了人口对各种任务参数（如刺激，决策，奖励等）的动态调整。 D Kobak + ，W Brendel + ，C Constantinidis，CE Feierstein，A Kepecs，ZF Mainen，XL Qi，R Romo，N Uchida，CK Machens 神经人口数据的混合主成分分析eLife 2016， //elifesciences.org/content/5/e10989 （arXiv链接：