流形学习，局部线性嵌入式算法(LLE)，一种智能的算法去推测捕捉高维空间中所包含的低维特征。与适合于局部维数约减的聚类算法不同，LLE算法在单一的低维的全域坐标系统中表征采样空间，然而它并没有优化最小局域。通过对线性重构的局域对称的研究应用，LLE能够描述非线性流形的全局结构，例如那些人脸的数据集或者文本文档集-Manifold learning, embedded local linear algorithm (LLE), an in

LDA是一种线性降维方法，对原有的高维人脸数据集降维，然后识别，具有很好的聚类和识别效果。有详细的说明-LDA is a linear dimensionality reduction method, the original high-dimensional face data set dimensionality reduction, and then identify clustering and identification.

可实现局部最优近似平面数据聚类，该聚类方法是一种常用的子空间聚类方法，文章作者没有给出相应的源码，这里提供给大家。经过测试可以实现数据聚类，但是对人脸数据集extended yale B效果不理想。参考文献：Teng Zhang, Arthur Szlam, Yi Wang, et al. Hybrid linear modeling via local best-fit flats [J]. International Journal

人脸聚类常用数据集含有10*40张图片，pmg格式(The common dataset of face clustering contains 10*40 picture, PMG format)