1、隨著科學技術的不斷發(fā)展，數(shù)據(jù)越米越呈現(xiàn)高維化，從它們之間提取出有用的信息給我們帶來了前所未有的挑戰(zhàn)。因此，把高維數(shù)據(jù)通過降維方法映射投影到一個相對低維的空間，進而找到隱藏在其間的對我們有用的低維結構成為當前工作中一個重要內容。鑒于此，本文主要進行了以下的工作：
　　 ⑴簡述了當前國內外關于降維的發(fā)展情況以及當前一些比較流行的降維方法。
　　 ⑵重點分析了非線性降維方法----局部線性嵌入，并結合已有的一些結論對該算法中參

2、數(shù)的選擇方法做了改進，特別是鄰域k的選擇上做了較為詳細的探討并得到了較為有效的解決辦法。我們將改進前后局部線性嵌入降維引入醫(yī)學數(shù)據(jù)和其他領域數(shù)據(jù)并加以比較，驗證了改進后算法的優(yōu)越性。
　　 ⑶分析比較了兩種非線性降維方法：局部線性嵌入和等距映射，就他們對不同的鄰域k和樣本數(shù)N在運行效率上做了比較。
　　 ⑷基于局部線性嵌入方法對離群點、相離流形比較敏感，對原來的算法做了一些改進，即穩(wěn)健局部線性嵌入，通過實驗表明，改進后的