局部保留投影学习总结（LPP）

这篇文章主要的目的是在降低空间维度的同时，能较好的保持内部固定的局部结构，并且它对异化值（通常理解为错误的点，或者为污点）不敏感，这一点可以与主成分分析法（PCA）相区别。

对于高维的空间（x1,x2,x3、、、,xn）——属于S维空间，一般而言，我们需要选择一个降维矩阵A对X进行降维从而得到Y，其中Y=(y1,y2、、、,yn)——属于L维空间，其中L<<S，其表达式如下所示：

                                                                                    

不多说，直接进入主题——

• 首先目标函数定义为  :   

                                                                                                                                        （1）

       其中yi与yj代表降维之后的点，Wij是权重矩阵；

通过最小化上述目标函数，便达到降维目的。大家可