matlab降維工具箱

『壹』 求一個 Matlab2016b破解版 要好用 能用的

軟體介紹：

Matlab R2016b是一款強大的數學計算軟體。MATLAB是取自matrix&laboratory兩個詞，寓意為矩陣工廠，主要是面向科學計算、可視化以及互動式程序設計的高科技計算環境。

所需工具：點擊下載 Matlab R2016b

Matlab r2016b安裝破解步驟

1、用網路網盤下載本站提供的數據包，得到四個壓縮包，其中2個是主程序，2個是破解文件，選擇2個主程序，進行2345好壓進行解壓（注意要同時選中2個映像文件，否則會解壓錯誤）

2、解壓完成，雙擊setup.exe開始安裝，選擇「使用文件安裝密鑰」

3、選擇接受條款

4、填入安裝密鑰

5、選擇安裝目錄，建議選擇d盤或者e盤

6、選擇安裝產品，小編建議全部選中。

7、確認安裝的相關信息，然後點擊「下一步」。

8、等待安裝..這個過程大概需要1-2小時，請知悉

9、安裝完成，現在是就是破解過程了，雙擊bin文件夾下的.exe程序，彈出如下頁面，選擇「在不使用intenet的情況下手動激活」

10、載入許可證文件

11、然後將破解文件夾拷貝到安裝目錄，默認為C:Program FilesMATLABR2016b，具體方法如下所示，

12、點擊移動和替換

13激活完成，可以暢快使用matlab R2016b了.

Matlab R2016b更新內容:

版本亮點包括：

獲取數據：增加時間表數據容器、字元串數組，以及其它用於數據預處理的新功能。

機器學習：更快地訓練模型，使用大數據，並從模型生成 C/C++ 代碼。

Simulink：Just-in-time可使得在加速器模式下運行模擬時實現性能提升。

具體產品更新：

MATLAB產品系列更新包括：

MATLAB

引入tall數組用於操作超過內存限制的過大數據

引入時間表數據容器用於索引和同步帶時間戳的表格數據

增加能夠在腳本中定義本地函數的功能以提高，改進代碼的重用性和可讀性

通過使用MATLAB的Java API可以在Java程序中調用MATLAB代碼

MATLAB Mobile

通過在 MathWorks 雲端的 iPhone 和 Android 感測器記錄數據

Database Toolbox

提供用於檢索 Neo4j 數據的圖形化資料庫界面

MATLAB Compiler

支持將 MATLAB 應用程序（包括tall數組）部署到 Spark 集群上

Parallel Computing Toolbox

能夠在您的台式機、裝有 MATLAB Distributed Computing Server 的伺服器、以及 Spark 集群上利用tall數組進行大數據並行處理

Statistics and Machine Learning Toolbox

提供不受內存限制的大數據分析演算法，包括降維、描述性統計、k-均值聚類、線性遞歸、邏輯遞歸和判別分析

提供可以自動調整機器學習演算法參數的 Bayesian 優化演算法以及可以選擇機器學習模型特徵的近鄰成分分析 (NCA)

支持使用 MATLAB Coder 自動生成實現SVM 和邏輯回歸模型的C/C+代碼

Image Processing Toolbox

支持使用三維超像素的立體圖像數據進行簡單線性迭代聚類 (SLIC) 和三維中值濾波

Computer Vision System Toolbox

使用深度學習的區域卷積神經網路 (R-CNN) 進行對象檢測

Risk Management Toolbox

一個新的工具箱用於開發風險模型和執行風險模擬

ThingSpeak

能夠從聯網的感測器採集數據，並使用由 Statistics and Machine Learning Toolbox、Signal Processing Toolbox、Curve Fitting Toolbox 和 Mapping Toolbox 提供的函數在雲端進行 MATLAB 分析

Simulink家族產品系列包括：

Simulink

能夠初始化、重置並終止子系統，進行動態啟動和關閉行為建模

狀態讀取器和寫入器模塊可以從模型中的任何位置完全控制重置狀態行為

對 Raspberry Pi 3 和 Google Nexus 的硬體支持

Simulink和Stateflow

簡化參數和數據編輯的屬性檢查器、模型數據編輯器和符號管理器

Simscape

新增了一個模塊庫，用於模擬理想氣體、半理想氣體以及實際氣體系統

信號處理和通信更新包括：

Signal Processing Toolbox

可用於執行多時序的時域和頻域分析的信號分析儀應用程序

Phased Array System Toolbox

針對空氣傳播和多路徑傳播對窄頻和寬頻信號的影響提供建模支持

WLAN System Toolbox

IEEE 802.11ah 支持和多用戶 MIMO 接收機功能

Audio System Toolbox

音頻插件託管功能，可在 MATLAB 中直接運行和測試 VST 插件

代碼生成更新包括：

Embedded Coder

交叉發布代碼集成功能使得可以重用由較早版本生成的代碼

能夠生成可用於任何軟體環境的可插入式代碼，包括動態啟動和關閉行為

支持模擬 AUTOSAR 基礎軟體，包括 Diagnostic Event Manager (DEM) 和 NVRAM Manager (NvM)

HDL Coder

根據設定的目標時鍾頻率, 以寄存器插入方式自適應流水化,以及可用於顯示和分析轉換和狀態的邏輯分析儀（搭配使用 DSP System Toolbox）

驗證和確認更新包括：

Simulink Verification and Validation

Edit-time checking功能，可幫助在設計時發現並修復標准合規性問題

Simulink Test

用於進行測試評估的自定義標準的定義功能

HDL Verifier

FPGA 數據採集功能，用於探測要在 MATLAB 或 Simulink 中進行分析的內部 FPGA 信號

Polyspace Bug Finder

支持 CERT C 編碼規范，以用於網路安全漏洞檢測

『貳』 matlab中使用快速pca提取特徵

1、參數mA代表A的均值，也就是mean(A)。

其實這個參數完全沒必要，因為可以從參數A計算得到版。

2、解釋一下權你問的兩個語句的含義：

Z=(A-repmat(mA,m,1)); 作用是去除直流成分
T=Z*Z'; 計算協方差矩陣的轉置

3、關於函數的調用：

MATLAB統計工具箱中有函數princomp，也是進行主成分分析的（2012b之後有函數pca），基本調用格式：

[pc,score]=princomp(x)

其中，輸入參數x相當於你這個函數的A，輸出參數score相當於你這里的pcaA，而pc大致相當於你這里的V（符號相反）。具體說明請參考函數的文檔。

『叄』 誰研究過多核極限學習機，有沒有matlab代碼可以參考下

||close all
if ~exist('aaa')||(aaa~=1)
clc
clear
%加入gabor工具箱
addpath gaborpca;
path_pos='.\pos\';
path_nes='.\nes\';
pos_dir=dir(path_pos);
nes_dir=dir(path_nes);

%構建一個gabor濾波器組
filter_bank = construct_Gabor_filters(8, 5, [128 128]);
%提取正樣本得gabor特徵
feature_pos_train=[];
for i=3:158
im=imread([path_pos pos_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %採用'bilinear'：採用雙線性插值演算法擴展為128*128
raw_feature = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特徵
feature_pos_train=[feature_pos_train,raw_feature];
end

%提取負樣本得gabor特徵
feature_nes_train=[];
for i=3:174
im=imread([path_nes nes_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %採用'bilinear'：採用雙線性插值演算法擴展為128*128
feature_nes_train=[feature_nes_train,raw_feature];
end

p_train=[feature_pos_train,feature_nes_train];
t_train=[ones(156,1);2*ones(172,1)];

%對提取得gabor特徵進行壓縮降維處理
[mappedX, mapping]=pca(p_train,111);
p_train=mapping.M;

p_train=mapminmax(p_train',0,1)';

%載入極限學習機工具箱
addpath kernelelm %%添加極限學習機演算法包

%訓練極限學習機
[model_elm]=kernel_elm_muti_train(p_train',t_train', 'gaussian',3.5,10);%%根據訓練中的目標得出模型
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_train',t_train',model_elm);

end

%測試視頻
aaa=1;
raw_feature2=[];
for i=1:1200
X=imread(strcat('picture\',num2str(i),'.jpg'));
im=rgb2gray( X);
im = imresize(im,[128 128],'bilinear'); %採用'bilinear'：採用雙線性插值演算法擴展為128*128
feature222 = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特徵
raw_feature2=[raw_feature2,feature222];
disp(sprintf('%i ',i));
end

raw_feature2=mapminmax(raw_feature2',0,1);
p_test=raw_feature2*mappedX;
p_test=mapminmax(p_test',0,1)';
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_test',ones(1200,1)',model_elm);

clc
%輸出每幀圖得計算結果
for i=1:1200
if(TT(i)==2)
disp(sprintf('第%i幀圖正常',i));
else
disp(sprintf('第%i幀圖報警',i));
end
end

『肆』 降維工具箱的lda對訓練樣本和測試樣本一起運算嗎

我把訓練樣本和測試樣本的數據用PCA降維後,直接用歐式距離計算訓練向量和測試向量的距離,發現准確率一點都不比LDA差。LDA的主要優點是不是在於降維?

『伍』 急：為什麼matlab神經網路工具箱模擬時顯示too many output arguments

Matlab 提供的預處理方法有歸一化處理(把每組數據都變為- 1～ + 1 之間數) 、標准化處理(把每組數專據都化為均值為0、方差屬為1的一組數據) 和主成分分析(進行正交處理,減少輸入數據的維數)。用prepca 函數對樣本數據進行主元分析,
從而消除樣本數據的冗餘成分,起到數據降維的目的。

『陸』 誰有人群密度檢測的matlab代碼

close all
if ~exist('aaa')||(aaa~=1)
clc
clear
%加入gabor工具箱
addpath gaborpca;
path_pos='.\pos\';
path_nes='.\nes\';
pos_dir=dir(path_pos);
nes_dir=dir(path_nes);

%構建一個gabor濾波器組
filter_bank = construct_Gabor_filters(8, 5, [128 128]);
%提取正樣本得gabor特徵
feature_pos_train=[];
for i=3:158
im=imread([path_pos pos_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %採用'bilinear'：採用雙線性插值演算法擴展為128*128
raw_feature = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特徵
feature_pos_train=[feature_pos_train,raw_feature];
end

%提取負樣本得gabor特徵
feature_nes_train=[];
for i=3:174
im=imread([path_nes nes_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %採用'bilinear'：採用雙線性插值演算法擴展為128*128
feature_nes_train=[feature_nes_train,raw_feature];
end

p_train=[feature_pos_train,feature_nes_train];
t_train=[ones(156,1);2*ones(172,1)];

%對提取得gabor特徵進行壓縮降維處理
[mappedX, mapping]=pca(p_train,111);
p_train=mapping.M;

p_train=mapminmax(p_train',0,1)';

%載入極限學習機工具箱
addpath kernelelm %%添加極限學習機演算法包

%訓練極限學習機
[model_elm]=kernel_elm_muti_train(p_train',t_train', 'gaussian',3.5,10);%%根據訓練中的目標得出模型
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_train',t_train',model_elm);

end

%測試視頻
aaa=1;
raw_feature2=[];
for i=1:1200
X=imread(strcat('picture\',num2str(i),'.jpg'));
im=rgb2gray( X);
im = imresize(im,[128 128],'bilinear'); %採用'bilinear'：採用雙線性插值演算法擴展為128*128
feature222 = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特徵
raw_feature2=[raw_feature2,feature222];
disp(sprintf('%i ',i));
end

raw_feature2=mapminmax(raw_feature2',0,1);
p_test=raw_feature2*mappedX;
p_test=mapminmax(p_test',0,1)';
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_test',ones(1200,1)',model_elm);

clc
%輸出每幀圖得計算結果
for i=1:1200
if(TT(i)==2)
disp(sprintf('第%i幀圖正常',i));
else
disp(sprintf('第%i幀圖報警',i));
end
end

『柒』 怎樣運用matlab實現無約束非線性優化問題中的多種方法

- MATLAB中用遺傳演算法求解約束非線性規劃問題 Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB 作者:王勇, 期刊-核心期刊 哈爾濱商業大學學報（自然科學版）JOURNAL OF HARBIN UNIVERSITY OF COMMERCE(NATURAL SCIENCES EDITION) 2006年 第04期
- 約束優化問題的遺傳演算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡煥傑,康艷, 期刊-核心期刊 西北農林科技大學學報（自然科學版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 約束優化問題的遺傳演算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡煥傑,康艷, 期刊-核心期刊 西北農林科技大學學報（自然科學版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 非線性規劃問題求解的遺傳演算法設計與實現 Design and Realization of Genetic Algorithm for Solving Nonlinear Programming Problem 作者:劉雪梅,李國民,李景文,畢義明, 期刊-核心期刊 系統工程與電子技術SYSTEMS ENGINEERING AND ELECTRONICS 2000年 第02期
- 解非線性約束規劃問題的新型多目標遺傳演算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:劉淳安,LIU Chun-an, 期刊-核心期刊 計算機工程與設計COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 解非線性約束規劃問題的新型多目標遺傳演算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:劉淳安, 期刊-核心期刊 計算機工程與設計COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 基於Matlab遺傳工具箱的高強混凝土配合比優化 Mixtures Optimal Design of High-strength Concrete Based on GA Toolbox of MATLAB 作者:陸海標,鄭建壯,徐旭嶺, 期刊 浙江水利水電專科學校學報JOURNAL OF ZHEJIANG WATER CONSERVANCY AND HYDROPOWER COLLEGE 2007年 第03期
- 遺傳演算法求解約束非線性規劃及Matlab實現 The Solution of Optimization with Nonliear Constraints Programming with Genetic Algorithm and Demonstration by Matlab 作者:倪金林, 期刊-核心期刊 大學數學COLLEGE MATHEMATICS 2005年 第01期
-
- 基於遺傳演算法的非線性多目標規劃及其在油田開發規劃中的應用 作者:張曉東, 李樹榮, 熊福力, 會議 第二十二屆中國控制會議第二十二屆中國控制會議論文集(上) 2003年
- 區間非線性規劃問題的確定化描述及其遞階求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蔣崢,戴連奎,吳鐵軍, 期刊-核心期刊 系統工程理論與實踐SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 區間非線性規劃問題的確定化描述及其遞階求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蔣崢,戴連奎,吳鐵軍, 期刊-核心期刊 系統工程理論與實踐SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 一種新的求解非線性規劃的混合遺傳演算法 作者:李豐兵, 會議 第八屆中國青年運籌信息管理學者大會第八屆中國青年運籌信息管理學者大會論文集 2006年
- 一種啟發式演算法求解有交易成本組合投資問題 作者:安智宇, 會議 第三屆不確定系統年會第三屆不確定系統年會論文集 2005年
- 基於遺傳演算法的設計地震反應譜標定方法 Calibrating Method of Seismic Response Spectrum Based on Genetic Algorithm 作者:夏江,陳清軍, 期刊-核心期刊 力學季刊CHINESE QUARTERLY OF MECHANICS 2006年 第02期
- 具有線性不等式約束非線性規劃問題的降維演算法 Descending Dimension Algorithm of Nolinear Programming Problem with Linear Inequality Constraints 作者:楊懿,張守貴, 期刊-核心期刊 重慶大學學報（自然科學版）JOURNAL OF CHONGQING UNIVERSITY(NATURAL SCIENCE EDITION) 2007年 第10期
- 改進DNA遺傳演算法求解非線性多約束規劃研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 華中科技大學學報(自然科學版)JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 改進DNA遺傳演算法求解非線性多約束規劃研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 華中科技大學學報（自然科學版）JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 序列無約束極小化技術和遺傳演算法在非線性規劃中的應用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:劉道建,黃天民, 期刊 邵陽高等專科學校學報JOURNAL OF SHAOYANG COLLEGE 2001年 第04期
- 序列無約束極小化技術和遺傳演算法在非線性規劃中的應用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:劉道建,黃天民, 期刊 邵陽高等專科學校學報JOURNAL OF SHAOYANG COLLEGE 2001年 第04期

MATLAB中用遺傳演算法求解約束非線性規劃問題
Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB

<<哈爾濱商業大學學報（自然科學版）>>2006年 第22卷 第04期
作者: 王勇
約束非線性規劃問題的求解往往是運籌學中的NP問題,利用MATLAB中的遺傳演算法工具箱中的函數方便、快捷的求得了兩個實例的最優解,進一步指出了遺傳演算法與傳統的最優化演算法的區別.
關鍵詞: 遺傳演算法, 約束非線性規劃, MATLAB, | 全部關鍵詞

最優化技術方法及MATLAB的實現
編 號： 86755
著 作 者： 16.00
出 版 社： 化學工業出版社
書 號： 9787502563837
出版日期： 2005-1-1

內容包括線性規劃與MATLAB的實現，即非線性規劃、整數規劃、動態規劃、多目標規劃與MATLAB的實現及圖與網路分析技術等。為方便讀者學習，本書安排了大量最優化方法在工程中的應用實例，根據需要逐個編寫了解決這些問題的相應數學模型，應用MATLAB程序，通過簡潔的運算給出了較為復雜問題的解。
本書可作為最優化技術方法或MATLAB優化工具箱應用的入門教材，供高職高專或本科院校管理、經濟類專業的師生使用，也可供廣大愛好者學習參考。
隨著計算機科學的發展和應用，應用最優化方法解決問題的領域在不斷擴大，最優化的理論和方法也得到普及和發展。線性規劃、非線性規劃、整數規劃、動態規劃和多目標規劃以及圖與網路技術作為最優化方法的主要內容已經成為工程技術人員和經濟管理人員所必備的基礎知識，目前，最優化方法課程已經開始作為高等院校的普及課程。
在「高等數學」中學習的極值理論、線性代數、向量、矩陣、泰勒公式等概念為學習「最優化方法」奠定了基礎。在「最優化方法」中，這些知識的重要價值將在工程應用中得到充分體現。
在最優化方法的應用過程中，要將所學知識直接應用於解決實際問題，中間往往還有一段距離。有時，面對需要建立的復雜數學模型，尤其是繁復的數學計算問題，往往難以入手，因此，人們總是希望能夠找到具有通用性和廣泛性的方法，用類似於日常使用計算器的手段，解決較為復雜的計算問題。在本書中，將「最優化方法」與「MATLAB工具箱」連接起來學習，就能夠在一定程度上彌補這一缺陷。
MATLAB是一個很不錯的計算軟體，它給數學計算帶來了許多的便利和可能性，它提供了幾十個工具箱，利用這些工具箱，可以解決不同領域的許多問題。
本書簡明扼要、敘述清楚、文字流暢，既可作為工程學科、管理及經濟學科的專、本科學生的「最優化方法」教材，也可作為應用「MATLAB工具箱」入門參考教材使用。
本書是編者根據多年的教學經驗，為適應新的教學需要而編寫的，所有工程應用實例均經過了MATLAB6

『捌』 模式識別，給一個訓練樣本X1一個測試樣本X2和訓練樣本的分類Y1，求測試樣本的分類Y2matlab程序。

net = newff(minmax(datag), [20 1] ,{'tansig','purelin'},'trainrp' );
net.trainParam.epochs = 1500;
net.trainParam.goa l= 0.00001; %bp神經抄網路創建+初始化
[net,tr] = train(net , X1, Y1); %網路訓練

Y2 =sim(net, X2); %模擬
figure;
[m(i),b(i), r(i)]=postreg(X2(i,:), Y2(i,:)); %線性回歸+求相關系數圖

『玖』 最小二乘法在matlab中怎麼實現啊

matlab中用最小二乘擬合的常用函數有polyfit（多項式擬合）、nlinfit（非線性擬合）以及regress（多元線性回歸）。自變數有個或以上時，應變數一個，可以使用的有nlinfit和regress，線性時用regress，非線性時用nlinfit。對於進階matlab使用者還有更多的選擇，如擬合工具箱、fit函數、interp系列插值擬合等等。

具體介紹一下regress

regress雖然名義上只能做線性回歸但是可以把x^2等非線性量作為一個額外自變數做計算，因此在一些特殊情況下也可以做非線性擬合。

以matlab自帶的數據為樣本，示例代碼如下：（%後面的是注釋）

clc;clear;

load carsmall%此數據樣本matlab自帶

x=Weight;y=Horsepower;z=MPG;%取這3個變數作為擬合對象，x、y自變數，z應變數

plot3(x,y,z,'p');

hold on;

c=ones(length(x),1);

b=regress(z,[x,y,c]);%純線性擬合 模型z=b(1)*x+b(2)*y+b(3)

[X,Y]=meshgrid(linspace(1500,5000,10),linspace(40,240,10));

C=ones(10);

mesh(X,Y,b(1)*X+b(2)*Y+b(3)*C);

grid on;

b=regress(z,[x.^2,y.^2,x.*y,x,y,c]);%添加非線性項進行擬合

figure

plot3(x,y,z,'p');

hold on;

mesh(X,Y,b(1)*X.^2+b(2)*Y.^2+b(3)*X.*Y+b(4)*X+b(5)*Y+b(6)*C);

grid on;

『拾』 matlab中的降維函數是什麼

drttoolbox : Matlab Toolbox for Dimensionality Rection是Laurens van der Maaten數據降維的工具箱。
裡面囊括了幾乎所有的數據降維演算法：
- Principal Component Analysis ('PCA')
- Linear Discriminant Analysis ('LDA')
- Independent Component Analysis ('ICA')
- Multidimensional scaling ('MDS')
- Isomap ('Isomap')
- Landmark Isomap ('LandmarkIsomap')
- Locally Linear Embedding ('LLE')
- Locally Linear Coordination ('LLC')
- Laplacian Eigenmaps ('Laplacian')
- Hessian LLE ('HessianLLE')
- Local Tangent Space Alignment ('LTSA')
- Diffusion maps ('DiffusionMaps')
- Kernel PCA ('KernelPCA')
- Generalized Discriminant Analysis ('KernelLDA')
- Stochastic Neighbor Embedding ('SNE')
- Neighborhood Preserving Embedding ('NPE')
- Linearity Preserving Projection ('LPP')
- Stochastic Proximity Embedding ('SPE')
- Linear Local Tangent Space Alignment ('LLTSA')
- Simple PCA ('SPCA')