核化线性降维（kernelized linear dimensionality reduction），理学-计算机科学技术-人工智能-机器学习-特征学习-特征变换，线性降维方法的扩展，基本思想是基于核技巧对线性降维方法进行“核化”，从而进行非线性降维。典型的代表方法有“核主成分分析”。核主成分分析考虑对数据变换至高维空间之后的协方差矩阵进行分解。通过引入核函数刻画两个样本之间的内积，对高维空间中样本协方差矩阵的分解可以转化为对核矩阵进行操作。这种方式可以不进行样本到高维的显式映射而只利用其高维空间中的内积进行后续操作。核主成分分析由于训练时要计算核矩阵，通过对核矩阵的分解得到对应的基，会有较大的计算开销。核主成分分析能够针对训练阶段未出现的样本进行投影。新样本的投影是使用其和已有训练样本核函数的值对基进行加权。由于要对所有样本求和，因此也会有较大的计算开销。核主成分分析在图片去噪等领域有较好的应用。