随着科技的飞速发展,大数据和云计算的时代的到来,数据集的出现形式越来越趋于海量数据、高维数据、非线性数据,故而数据降维这个古老而又新型的数据处理方式发挥着不可替代的作用。局部线性嵌入降维算法(LLE),要求数据集必须是均匀分布的,在选取每个样本的K近邻时,需要对数据集本身要有先验估计,K值的选取是人为确定,故K值的选取比较敏感,数据集中噪声点对降维效果影响较大,而且对图像数据集降维效果不稳定。本文将针对局部线性嵌入算法(LLE)的缺点和不足,深入研究基于密度的局部嵌入降维算法,提出合理的改进算法。具体研究内容如下:本文提出图像非欧距离代替传统的欧式距离度量,使得改进的LLE算法降维效果稳定,同时应用到图像处理领域取得较好的效果。结合数据集的降噪处理方式,首先利用LDA方法进行预处理;采用均分切割技术对数据集进行分块处理,避免了噪声点对降维方法的影响;针对LLE算法人为选参的方法,提出了一种基于密度的局部嵌入降维算法(DALLE),自适应的参数调节方式,根据某样本周围点的密度进行邻域选取。通过对比仿真实验结果表明,DALLE算法复杂度与原LLE算法复杂度相当,但是对噪声点不敏感,而且不需要人为选取参数值。进一步通过分析以及实验,相对于已有的降维算法,DALLE算法对非线性数据集产生了较好效果,完成了降维目标。