本文首先對目前典型的流形學(xué)習(xí)方法與核函數(shù)理論進行較為全面的分析， 并對 LE(LaplaceEigenmaPs)算法進行核化。此外，提出了一種PCA(PrinciPal ComponentAnalysiS)和 LLE(LoealLinearlyEmbedding)混合數(shù)據(jù)降維方法，并 在經(jīng)典數(shù)據(jù)集和具有挑戰(zhàn)性的數(shù)據(jù)集上取得了較好的降維效果。為了進一步說 明此算法的有效性，本文將此算法應(yīng)用于手寫字分類和人臉分類算法的預(yù)處理 過程中，得到了預(yù)期的效果。為了說明此算法的有效性，本文又進一步從理論 上進行了分析。