# 线性降维方法
UMPCA多线性降维分析方法
高维多线性降维分析方法,用于高维特征矩阵以及图像的降维分析
非线性降维
非线性降维,关于非线性降维的英语文献,值得参考
局部线性降维算法
LLE算法可以归结为三步:(1)寻找每个样本点的k个近邻点；（2）由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；（3）由
TSNE降维方法
TSNE降维方法，常见机器学习降维方法之一，代码中脚本可以直接生成可视化图标，供学习用
CCA降维方法
详细的CCA降维方法的matlab实现源代码。
数据降维方法
代码实例化数据降维的方法，以主成分分析LDA和线性判别LDA为例。
局部线性嵌入降维算法LLE
对局部线性嵌入降维算法讲解的清楚、易懂
lle非线性降维science文章
lle非线性降维science文章
LLE步骤：
1.寻找每个样本点的k个近邻点；
2.由每个样本点的近邻点计算出该样本点的局部
LDA线性判别分析降维
LDA线性判别分析降维
数据降维线性局部嵌入方法matlab实现代码
机器学习数据降维方法之线性局部嵌入方法实现，代码可以直接运行，简单易懂。