监督局部线性嵌入算法

基于监督局部线性嵌入的支持向量机文本分类算法,李佑文,夏士雄,本文针对文本向量维数很高的问题,引入了局部线性嵌入算法用于降维。然而,由于经典LLE算法不一定能使降维过程中的信息损失达到最

LLE算法（局部线性嵌入），包含算法和实验部分，

针对人脸、指纹和手写签名等人员身份鉴定方法不能很好地满足煤矿井下人员管理系统需要的现状,基于局部保持映射(LPP)算法,提出一种监督LPP算法(SLPP),并应用于煤矿井下人员步态识别中。利用该方法对

针对数据降维中的噪声干扰问题, 提出基于L1-norm有监督局部保留投影算法SLPP-L1。SLPP-L1利用L1-norm替代了L2-norm; 因为欧式距离比绝对值距离对噪声更加敏感, 使得SLP

对局部线性嵌入降维算法讲解的清楚、易懂

对瑞士卷进行降维操作

基于监督局部子空间的人体姿态估计，邱雨，潘力立，本文介绍了一种基于监督局部子空间的人体姿态估计方法，属于计算机视觉中的目标检测领域。它从流形学习的角度出发，假设人体姿态

LLE-局部线性嵌入算法(locallylinearembedding,LLE)是机器学习领域常用的数据降维方法，资源为该方法的matlab实现

经典降维算法局部线性嵌入LLE算法的matlab代码，亲测可用

针对利用局部化思想解决多模数据的判别分析问题时，根据经验对局部邻域大小进行全局统一设定，无法体现局部几何结构差异性的不足，提出一种邻域自适应半监督局部Fisher判别分析（neighborhoodad