除了ISOMAP(等距特征映射)和LLE(局部線性映射)之外，利用拉普拉斯矩陣進行特征映射的LE算法也是壹種非常常見和實用的流行算法。
它的思路非常簡潔，也有很好的降維效果。LE算法是壹種保持數據局部特征的流形降維算法。其主要思想是在低維空間中盡可能保持數據局部樣本點之間的結構不變。
具體來說，拉普拉斯特征映射(Laplacian feature mapping)是壹種基於圖的降維算法，它希望在降維後的空間中，相關點(圖中的連通點)盡可能的接近，使得降維後仍能保持原有的數據結構。
擴展知識:
邏輯單元(LU)是壹個進入IBM系統的網絡體系結構(SNA)的網絡端口，通過它用戶可以訪問網絡資源或者壹個程序員可以與另壹個程序員通信。邏輯單元(LU)是壹個進入IBM系統的網絡體系結構(SNA)的網絡端口，通過它用戶可以訪問網絡資源或者壹個程序員可以與另壹個程序員通信。
符號是Le；描述物理性質常數的特征數。Le=λ/ρcpD=α/D .其中:λ為導熱系數(導熱系數)；ρ是體積質量；Cp是恒壓質量的熱容量；d是擴散系數；α為熱擴散率，α=λ/ρcp。國際單位制單位:1 (1)。與通常量的符號表示不同，特征數的符號都由兩個字母組成。
LE是壹種降維算法，它從與常見降維算法不同的角度看待問題，從局部的角度構建數據之間的關系。在實現中，通常使用拉普拉斯矩陣將高維數據映射到低維空間，並且盡可能保持數據的局部樣本點之間的結構不變。