降维是通过单幅图像数据的高维化，对单幅图像转化为高维空间中的数据集合进行的一种操作。对其进行非线性降维，寻求其高维数据流形本征结构的一维表示向量，将其作为图像数据的特征表达向量。从而将高维图像识别问题转化为特征表达向量的识别问题，减少了冗余信息所造成的识别误差，提高了识别的精度。
降维方法分为线性和非线性降维，非线性降维又分为基于核函数和基于特征值的方法。
1、线性降维方法：PCA、ICALDA、LFA、LPP(LE的线性表示)。
2、非线性降维方法：
（1）基于核函数的非线性降维方法：KPCA、KICA、KDA。
（2）基于特征值的非线性降维方法（流型学习）：ISOMAP、LLE、LE、LPP、LTSA、MVU。
