基于流形学习的数据降维

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。