关于人脸识别中，拉普拉斯特征映射降维处理的源代码-On face recognition, feature mapping Laplace source code dealing with dimensionality reduction

保局投影(LPP)作为拉普拉斯特征映射的一种线性逼近可以较好的反映样本的流形结构，已经被广泛的应用到图像检索和图像修复中。线性鉴别分析( LDA)和局部保持投影(LPP)是其中比较经典的线性方法，LDA注重图像数据间的可分性，LPP则更关注于数据的局部关系- Locality Preserving Projection

拉普拉斯特征映射算法，运用MATLAB编写完成。-Laplace feature mapping algorithm, using MATLAB prepared.

LEM（拉普拉斯特征映射）算法，拉普拉斯特征映射是基于局部邻域，保持局部结构的流形学习方法。LEM通过一个无向加权图刻画流形上数据点间的近邻关系，图的顶点为原始数据点，图的边对应点之间的近邻关系，边的权值对应近邻点之间的相似程度（也可以是某种距离），LEM在低维嵌入空间中尽量保持图中数据点之间的近邻关系，然后求取嵌入坐标。通俗的说，LEM认为在高维数据空间离得近的点在低维嵌入空间也应该离得近-LEM (Laplace feature mapping) algorithm, Laplace fea