本专区汇聚了各类基于 降维 开发的源码资源，共计 180 篇资源供开发者免费下载学习。
lle局部线性嵌入算法可以对数据进行非线性降维，并使得降维后的数据保持原有的拓扑结构.LLE算法广泛应用于图像分析、多维数据处理、以及文本识别等众多领域中。算法原理是在局部很小范围
演示流形学习算法在计算机视觉中的应用 ，基于流形学习实现目标分类；
函数[datau out，Ku center]=kernelpca（datau in，numu dim）
1、根据评价目的选取考察样本, 确定样本评价指标值, 并且做归一化处理 2、根据样本评价指标建立指标函数为Q (a) 3、评估最佳投影方向, 最大化投影指标函数的求解
这个包包含实现主成分分析和独立成分分析的功能。 主成分分析和独立成分分析作为功能在这个包中实现，并包括多个示例来演示它们的使用。 在主成分分析中，多维数据被投影到与其最大奇异值相对
偏最小二乘法是由瑞典统计学家沃尔德（H·Wold）提出，其基本运算是基于非线性迭代偏最小二剩算法（nonlinear iterative partial least squares
流形学习局部经典算法，LLE；流形学习局部经典算法，LLE；流形学习局部经典算法，LLE；流形学习局部经典算法，LLE；流形学习局部经典算法，LLE；流形学习局部经典算法，LLE
- Principal Component Analysis ("PCA") ---主成分分析 - Linear Discriminant Analysis ("LD
采用累计贡献率的方法，数学方法是部分子空间法，包括单边带、双边带、载波抑制及四倍频。
主成分分析 主要成分分析 （PCA）是一个使用正交变换，将一组观察值的可能的相关变量转换成一组称为主要组件的线性不相关变量的值的统计过程。主要组件的数量小于或等于
在Matlab中，利用PCA算法进行人脸识别，分为训练阶段和识别阶段。首先进行训练和降维操作，然后再利用测试集进行识别
核判别分析用于模式识别的核判别分析