這個Matlab工具箱實現32種維數降低技術。這些技術都可以通過COMPUTE_MAPPING函數或trhough GUI。有以下技術可用： ? - 主成分分析（'PCA'） ? - 線性判別分析（'LDA'） ? - 多維縮放（'MDS'） ? - 概率PCA（'ProbPCA'） ? - 因素分析（'因子分析'） ? - Sammon映射（'Sammon'） ? - Isomap（'Isomap'） ? - Landmark Isomap（'LandmarkIsomap'） ? - 局部線性嵌入（'LLE'） ? - 拉普拉斯特征圖（'Laplacian'） ? - Hessian LLE（'HessianLLE'） ? - 局部切線空間對準（'LTSA'） ? - 擴散圖（'DiffusionMaps'） ? - 內核PCA（'KernelPCA'） ? - 廣義判別分析（'KernelLDA'） ? - 隨機鄰居嵌入（'SNE'） ? - 對稱隨機鄰接嵌入（'SymSNE'） ? - t分布隨機鄰居嵌入（'tSNE'） ? - 鄰域保留嵌入（'NPE'） ? - 線性保持投影（'LPP'） ? - 隨機接近嵌入（'SPE'） ? - 線性局部切線空間對準（'LLTSA'） ? - 保形本征映射（'CCA'，實現為LLE的擴展） ? - 最大方差展開（'MVU'，實現為LLE的擴展） ? - 地標最大差異展開（'地標MVU'） ? - 快速最大差異展開（'FastMVU'） ? - 本地線性協調（'LLC'） ? - 歧管圖表（'ManifoldChart'） ? - 協調因子分析（'CFA'） ? - 高斯過程潛變量模型（'GPLVM'） ? - 使用堆棧RBM預訓練的自動編碼器（'AutoEncoderRBM'） ? - 使用進化優化的自動編碼器（'AutoEncoderEA'） 此外，工具箱包含6種內在維度估計技術。這些技術可通過INTRINSIC_DIM函數獲得。有以下技術可用： ? - 基于特征值的估計（'EigValue'） ? - 最大似然估計器（'MLE'） ? - 基于相關維度的估計器（'CorrDim'） ? - 基于最近鄰域評估的估計器（'NearNb'） ? - 基于包裝數量（'PackingNumbers'）的估算器 ? - 基于測地最小生成樹（'GMST'）的估計器 除了這些技術，工具箱包含用于預白化數據（函數PREWHITEN），精確和估計樣本外擴展（函數OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST）的函數以及生成玩具數據集（函數GENERATE_DATA）的函數。 工具箱的圖形用戶界面可通過DRGUI功能訪問