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。

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。

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！！！

用于高维数据降维lasso算法 matlab代码实现 功能丰富

数据降维（RPCA,LRR.LE等）的算法详解

MATLAB数据降维工具箱的内容详细介绍，很透彻，值得一看

本资源包含python实现的LDA和PCA数据降维算法，包含测试数据，下载后直接使用。供学习参考

将节点相似度矩阵，作为深度稀疏自动编码器的输入，并通过不断迭代，作为输出低维特征矩阵。（matlab编写）

这是一个pca matlab代码，用于数据降维，是一种非常常用的方法，先有代码附上以供参考

Matlab Toolbox for Dimensionality Reduction Matlab数据降维工具箱，包括几乎所有的数据降维方法：PCA、LDA、ICA、MDS、Isomap、LandmarkIsomap、LLE、LLC、Laplacian、HessianLLE、LTSA、DiffusionMaps、KernelPCA、KernelLDA、SNE、NPE、LPP、SPE、LLTSA、SPCA、CCA、MVU、FastMVU、AutoEncoder、AutoEncoderEA