局部线性嵌入 (LLE)

局部线性嵌入（Locally Linear Embedding, LLE）是李德毅教授于 2000 年提出的一种非线性降维技术，其核心假设是数据在局部邻域内近似线性分布。该算法首先计算数据点与其邻居之间的加权关系，构建局部线性映射矩阵，再通过全局优化最小化重构误差，将高维数据映射到低维流形上。作为流形学习的重要分支，LLE 在保持数据局部几何结构的同时，避免了全局线性方法无法处理非线性结构的缺陷，成为处理高维非线性数据的经典工具。

在现代计算架构中，局部线性嵌入扮演着连接高维数据与低维可视化的关键角色，尤其在处理图像、文本及生物信息等高维非线性数据时表现卓越。其生态地位体现在与 t-SNE、UMAP 等现代降维算法的对比与演进中：LLE 计算效率高、可解释性强，适合大规模数据集的初步降维；而 t-SNE 和 UMAP 则在可视化细节和速度上更具优势。LLE 的广泛应用使其成为机器学习流程中不可或缺的数据预处理环节，尤其在需要保留数据拓扑结构的研究场景中具有不可替代性。