局部线性嵌入LLE的matlab代码

% LLE ALGORITHM （using K nearest neighbors）
%
% [Y] = lle（XKdmax）
%
% X = data as D x N matrix （D = dimensionality N = #points）
% K = number of neighbors
% dmax = max embedding dimensionality
% Y = embedding as dmax x N matrix
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% function [Y] = lle（XKd）
clc;clear
load MAIN_data1
feature=MAIN_data;
%4种故障模式
X=[feature（1:180:）;feature（541:720:）;feature（1081:1260:）;feature（1621:1800:）]‘;    %取5层信号小波包分解后的能量特征和9个时域特征
K=9;                                             %近邻个数
% d=3;                                            %降维个数
[DN] = size（X）;                                  %D行N列，一列代表一个样本，共有N个样本
fprintf（1‘LLE running on %d points in %d dimensions\n‘ND）;
% STEP1: COMPUTE PAIRWISE DISTANCES & FIND NEIGHBORS 计算距离，寻找近邻
fprintf（1‘-->Finding %d nearest neighbours.\n‘K）;
% X2 = sum（X.^21）;                               %对每列求和，其中一列代表一个样本，所以X2大小为1xN
% distance = repmat（X2N1）+repmat（X2‘1N）-2*X‘*X;
distance = squareform（pdist（X‘ ‘euclidean‘））;     %计算欧式距离
[sortedindex] = sort（distance）;                  %对样本间的距离按从小到大排序
neighborhood = index（2:（1+K）:）;                  %选取前K个近邻



% STEP2: SOLVE FOR RECONSTRUCTION WEIGHTS 计算重构参数
fprintf（1‘-->Solving for reconstruction weights.\n‘）;
if（K>D） 
  fprintf（1‘   [note: K>D; regularization will be used]\n‘）; 
  tol=1e-3; % regularlizer in case constrained fits are ill conditioned
else
  tol=0;
end

W = zeros（