非线性降维方法是目前对降维研究有着重要影响的方法，但在降维过程中经常会遇到局部邻域信息量不足、短路和噪声干扰等问题，严重影响降维效果，很难广泛应用于真实数据的处理中。对以上问题分析发现，其主要原因在于经典降维算法都是采用全局固定的邻域大小。提出了一种基于压缩感知的邻域优化算法，运用压缩感知技术对高维空间目标点近邻进行压缩采样，构建“收—放”模型，自适应得到最优子空间，同时优化邻域组成元素，使得数据的整体降维效果更加稳定。通过手工流形和真实数据集的实验，验证了算法的有效性和稳定性。