本书由CISM国际机械科学中心出版，由弗朗西斯科·奇内斯塔和皮埃尔·拉德维兹主编，旨在探讨分离表示和基于PGD（Proper Generalized Decomposition）的模型降阶技术。书中不仅介绍了这些方法的基础理论，还详细探讨了其在工程、力学、计算机科学和应用数学领域的应用。针对现代科学和工程中面临的复杂计算问题，本书提出了有效的降维方法，以减少计算成本并提高效率。特别地，书中强调了如何通过PGD方法实现低维空间中的高精度解，并讨论了模型降阶技术在实时计算和多查询场景中的优势。此外，本书还涵盖了模型降阶技术在热传导、非线性动力学和其他多物理场问题中的具体应用案例。

TS-1催化剂上氢气还原一氧化氮的研究，李兰冬，陈继新，Si/Ti 比为50的TS-1分子筛通过水热法合成，合成结果由XRD, FTIR 和 SEM手段进行表征. 合成得到的TS-1分子筛在NO直接分解的反应中表现出低的�

本内斯蒂2011年新作品，主要介绍时域噪声抑制理论，值得大家下载下来详细研究

非线性降维，流形学习的经典Laplacian Eigenmaps（LE）算法文章

论文《Dimensionality Reduction-A Comparative Review》自制课堂用交流ppt，上传以方便同样阅读此论文的朋友阅读理解，全文已译，学习交流考虑所以设置0积分下载，请勿二传。

lda降维matlab代码降维pca-lda CS的PCA和LDA分析：551​​模式重建过程hw3 为输出运行patternHw3_main脚本 随代码一起附上报告，该报告分析作业中的给定数据 LDA代码来自Matlab工具箱，用于降维 该工具箱可以从以下位置获得 使用前请先参考

Kernel Entropy Component Analysis,KECA方法的作者R. Jenssen自己写的MATLAB代码，文章发表在2010年5月的IEEE TPAMI上面

matlab正弦仿真代码SPR 2020 研讨会演讲：广义特征分解 此存储库包含我在 2020 年研讨会上的演讲的代码和演示幻灯片——预测或不预测：建模 EEG 数据、承诺和限制。 演讲题目：时域脑电数据的假设驱动降维与源分离 由于 . 指示 . 要运行演示/教程、模拟和分析，请在 MATLAB 中打开simulations.m 。 请记住首先设置您的工作目录或将文件夹添加到路径。 这个simulations.m MATLAB脚本在不同的源/偶极子处模拟不同的正弦波，混合它们的活动并将它们投影到64个头皮脑电图电极，并对模拟的头皮脑电数据（混合源）执行广义特征分解（GED）以恢复​​模拟时空和频率特性。 simulations.m调用的辅助函数： dipole_project.m 、 filterFGx.m 、 topoplotIndie.m emptyEEG.mat包含两个结构： EEG （用于存储 EEG 数据的空 EEGLAB 结构） lf （用于将偶极子活动投影到 64 个通道的前导场矩阵） 座谈会摘要 时域脑电数据的假设驱动降维和源分离 作者 Hause Lin - 加拿大多

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：

这是复数 LLL (CLLL) 算法的 MATLAB 代码： Ying Hung Gan、Cong Ling 和 Wai Ho Mow，“用于低复杂度全分集 MIMO 检测的复杂格约化算法”，IEEE Trans。 信号处理，卷。 57，第 2701-2710 页，2009 年 7 月。（ http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=4787140 ） 功能说明： B_reduced = CLLL(B) 输入： B - 以列为基向量的基矩阵输出： B_reduced - 以列为基向量的简化基矩阵 CLLL简介： 传统的 Lenstra-Lenstra-Lovasz (LLL) 约简算法最初是为了约简实格基而引入的，而 CLLL 算法是为了直接约简复格的基而开发的。 当应用于多输入多输出 (MIMO) 系统的格约