matlab编写的 32个降维程序

这个Matlab工具箱实现32种维数降低技术。这些技术都可以通过COMPUTE_MAPPING函数或trhough GUI。有以下技术可用：   - 主成分分析（'PCA'）   - 线性判别分析（'LDA'）   - 多维缩放（'MDS'）   - 概率PCA（'ProbPCA'）   - 因素分析（'因子分析'）   - Sammon映射（'Sammon'）   - Isomap（'Isomap'）   - Landmark Isomap（'LandmarkIsomap'）   - 局部线性嵌入（'LLE'）   - 拉普拉斯特征图（'Laplacian'）   - Hessian LLE（'HessianLLE'）   - 局部切线空间对准（'LTSA'）   - 扩散图（'DiffusionMaps'）   - 内核PCA（'KernelPCA'）   - 广义判别分析（'KernelLDA'）   - 随机邻居嵌入（'SNE'）   - 对称随机邻接嵌入（'SymSNE'）   - t分布随机邻居嵌入（'tSNE'）   - 邻域保留嵌入（'NPE'）   - 线性保持投影（'LPP'）   - 随机接近嵌入（'SPE'）   - 线性局部切线空间对准（'LLTSA'）   - 保形本征映射（'CCA'，实现为LLE的扩展）   - 最大方差展开（'MVU'，实现为LLE的扩展）   - 地标最大差异展开（'地标MVU'）   - 快速最大差异展开（'FastMVU'）   - 本地线性协调（'LLC'）   - 歧管图表（'ManifoldChart'）   - 协调因子分析（'CFA'）   - 高斯过程潜变量模型（'GPLVM'）   - 使用堆栈RBM预训练的自动编码器（'AutoEncoderRBM'）   - 使用进化优化的自动编码器（'AutoEncoderEA'） 此外，工具箱包含6种内在维度估计技术。这些技术可通过INTRINSIC_DIM函数获得。有以下技术可用：   - 基于特征值的估计（'EigValue'）   - 最大似然估计器（'MLE'）   - 基于相关维度的估计器（'CorrDim'）   - 基于最近邻域评估的估计器（'NearNb'）   - 基于包装数量（'PackingNumbers'）的估算器   - 基于测地最小生成树（'GMST'）的估计器 除了这些技术，工具箱包含用于预白化数据（函数PREWHITEN），精确和估计样本外扩展（函数OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST）的函数以及生成玩具数据集（函数GENERATE_DATA）的函数。 工具箱的图形用户界面可通过DRGUI功能访问