針對線性降維技術(shù)應(yīng)用于具有非線性結(jié)構(gòu)的數(shù)據(jù)時無法得到令人滿意的結(jié)果的問題，提出一種新的著重于保持高維空間局部最近鄰信息的非線性隨機(jī)降維算法（ NNSE）。該算法首先在高維空間中通過計算樣本點(diǎn)之間的歐氏距離找出每個樣本點(diǎn)的最近鄰點(diǎn)，接著在低維空間中產(chǎn)生一個隨機(jī)的初始分布；然后通過將低維空間中的樣本點(diǎn)不斷向其最近鄰點(diǎn)的平均位置移動，直到產(chǎn)生穩(wěn)定的低維嵌入結(jié)果。與一種先進(jìn)的非線性隨機(jī)降維算法——t分布隨機(jī)鄰域嵌入（ t-SNE）相比，NNSE算法得到的低維結(jié)果在可視化方面與t-SNE算法相差不大，但通過比較兩者的量化指標(biāo)可以發(fā)現(xiàn)，NNSE算法在保持最近鄰信息方面上明顯優(yōu)于t-SNE算法。