স্থানীয় লিনিয়ার এম্বেডিং (এলএলই) দূরবর্তী বস্তুর মধ্যে দূরত্ব অনুমান করার প্রয়োজনীয়তা দূর করে এবং স্থানীয় লিনিয়ার ফিটগুলির দ্বারা বৈশ্বিক অ-রৈখিক কাঠামো পুনরুদ্ধার করে। এলএলই সুবিধাজনক কারণ এটি শেখার হার বা রূপান্তর মানদণ্ডের মতো কোনও পরামিতি জড়িত না। LLE এছাড়াও স্বকীয় মাত্রা সঙ্গে ভাল আইশ । এলএলই এর উদ্দেশ্যগত কার্য হ'ল এবং বস্তুর জন্য
ওজন ম্যাট্রিক্স উপাদানগুলি যদি শূন্যতে সেট করা থাকে তবেY
ζ(Y)=(Y−WY)2=Y⊤(I−W)⊤(I−W)Y
Wwijijj খুব কাছের প্রতিবেশী নই , অন্যথায়, কমপক্ষে স্কোয়ারের মাধ্যমে কে-নিকটস্থ বস্তুর কাছের ওজন নির্ধারণ
যেখানে নির্ভরশীল ভেরিয়েবল a একটি ভেক্টর, object হ'ল এর নিকটবর্তী সমস্ত প্রতিবেশী এবং গ্রাম ম্যাট্রিক্স , এবং a একটি ওজনের ভেক্টর যা সম-থেকে-unityক্যের সীমাবদ্ধতাগুলি অনুসরণ করে। যাক a এক প্রতিসম ধনাত্মক ইতিবাচক semidefinite গুণুকiiU=Gβ
UK×1GK×KiβK×1DK×K ডাইমেনশনাল অবজেক্ট এর কে-নিকটতম প্রতিবেশীদের সমস্ত জোড়ার জন্য দূরত্বের ম্যাট্রিক্স । এটি দেখানো যেতে পারে যে elements উপাদানগুলির
দ্বিগুণ-কেন্দ্রিক দূরত্বের ম্যাট্রিক্স to এর সমান রিগ্রেশন কোফিসিয়েন্টস নির্ধারিত সংখ্যাসূচকভাবে ব্যবহার করছেন
pxiGττlm=−12(d2lm−1K∑ld2lm−1K∑md2lm+∑l∑md2lm).
KβK×1=(τ⊤τ)K×K−1τ⊤UK×1,
এবং তারা unityক্যের যোগফল নিশ্চিত করার জন্য চেক করা হয়। এর মান সারি মধ্যে এমবেড করা হয় এর বস্তুর কে-নিকটতম প্রতিবেশীদের সংশ্লিষ্ট বিভিন্ন কলাম অবস্থানের সময়ে , সেইসাথে TRANSPOSE উপাদান। এটি ডেটাসেটের প্রতিটি ম অবজেক্টের জন্য পুনরাবৃত্তি হয় । এটি সতর্কতার সাথে সতর্ক করে দিয়েছে যে নিকটতম প্রতিবেশী এর সংখ্যা খুব কম হলে sp sp বিরল হতে পারে যার ফলে ইজিজেনালাইসিস কঠিন হয়ে পড়ে। দেখা গেছে যে নিকটতম প্রতিবেশীদের ফলাফল inβiWiiKWK=9Wম্যাট্রিক্স যা ইগিজেনালাইসিসের সময় প্যাথলজগুলি ধারণ করে না। Function ক্ষুদ্রতম অ-শূন্য ইগ্যালুয়ালগুলি খুঁজে বের করে উদ্দেশ্য কার্যটি হ্রাস করা হয়
কমে ফর্ম দ্বারা প্রতিনিধিত্ব করা হয় যেখানে মাত্রা রয়েছে দুই সর্বনিম্ন eigenvalues উপর ভিত্তি করে । (I−W)⊤(I−W)E=ΛDE.
XY=EEn×2Λ