高维数据的维数约简技术是当今计算机科学、机器学习等领域的热门研究问题之一，具有广泛的发展前景。本书综合了作者多年从事维数约简研究的理论成果，从特征提取和特征选择两个方面给出了系列解决高维数据维数约简的新观点、新方法、新技术。内容主要涵盖以下五个部分：1、为了解决传统主成分分析算法无法应用于非线性结构数据的缺点，提出了一种基于局部主成分分析和低维坐标排列的流形学习算法。2、提出了一种自适应加权的子模式局部保持投影算法；3、提出了一种结构保持的投影算法；4、提出了一种基于改进有效范围的特征选择方法；5、提出了一种基于最大权重最小冗余的过滤式特征选择框架。