本文主要研究高维数据降维的复合降维技术问题。降维技术是高维数据处理领域一个最为重要的研究方向,是一切高维数据处理的基本出发点。现有降维技术,在处理维数较低的高维数据时取得较好的进展,但对于超高维数据,由于计算量问题,这些方法往往显得无能为力。本文针对这种情况,主要研究内容有以下四个方面:1、分析总结了降维技术的现有方法体系在认真学习和理解各个时期的一些代表性的方法基础上,详细分析了PCA、PP、ICA、LDA等线性降维技术本质上的相通之处,认真总结了MDS、Isomap、LLE、LE等非线性降维技术的内涵。针对维数较高的情况,深入研究了不同方法计算复杂度和维数的关系;2、提出基于DCT的复合降维技术DCT的本质就是在保证变换后的数据拓扑空间不发生变化的前提下,把向量中均匀分布在各维的特征全部集中在前几维上,我们正是利用它的这点特性,把它用在数据降维的预处理过程上。这样做的好处有:（1）大幅度降低处理数据的维数,提高后续复合降维技术的速度;（2）在数据存在误差或数据点本身存在噪音的情况下,增加DCT过程可以对原数据结构进行一定程度的纠偏,进而提高降维技术的识别能力;3、提出了基于利用结构失真测度判断截取维数的方法在深入研究MDS方法中Stress函数控制原理的基础上,提出采用失真度曲线的拐点来估计截取维数的方法,取得了较好的效果;4、从理论上证明复合方法较传统的下采样方法更能保持原始数据的空间结构传统处理超高维数掘常用的手段为通过下采样方法降低样本的维数,我们从理论上证明,这样的处理手段较DCT方法对原数据空间结构破坏性更大。文中的实验结果表明,对于维数较高的数据处理,复合方法是一个非常有效的降维方法,该方法不仅在保持原数据空间结构的情况下大大降低了计算复杂度,而且,随着原数据的维数的增加,其效果越来越为明显。