拉普拉斯特征映射程序代码

function mappedX= LE（X no_dims k sigma）
%LAPLACIAN_EIGEN Performs non-linear dimensionality reduction using Laplacian Eigenmaps
%
%   [mappedX mapping] = laplacian_eigen（X no_dims k sigma eig_impl）
%
% Performs non-linear dimensionality reduction using Laplacian Eigenmaps.
% The data is in matrix X in which the rows are the observations and the
% columns the dimensions. 
% The reduced data is returned in the matrix mappedX.

    if ~exist（‘no_dims‘ ‘var‘）
        no_dims = 2;
    end
    if ~exist（‘k‘ ‘var‘）
        k = 12;
    end
	if ~exist（‘sigma‘ ‘var‘）
		sigma = 1;
    end
  
    % Construct neighborhood graph
    disp（‘Constructing neighborhood graph...‘）;
    if size（X 1） < 4000
        G = squareform（pdist（X ‘euclidean‘））;
        % Compute neighbourhood graph
        [tmp ind] = sort（G）; 
        for i=1:size（G 1）
            G（i ind（（2 + k）:end i）） = 0; 
        end
        G = sparse（double（G））;
        G = max（G G‘）;             % Make sure distance matrix i