本文首先對目前典型的流形學習方法與核函數理論進行較為全面的分析， 并對 LE(LaplaceEigenmaPs)算法進行核化。此外，提出了一種PCA(PrinciPal ComponentAnalysiS)和 LLE(LoealLinearlyEmbedding)混合數據降維方法，并 在經典數據集和具有挑戰性的數據集上取得了較好的降維效果。為了進一步說 明此算法的有效性，本文將此算法應用于手寫字分類和人臉分類算法的預處理 過程中，得到了預期的效果。為了說明此算法的有效性，本文又進一步從理論 上進行了分析。