物联网是一种连接物体与物体的信息网络。它对物体具有全面的感知能力，对信息具有可靠传送和智能处理的能力。伴随着物联网的应用，可以方便地获得大量的数据。在许多实际应用中，获得的数据是高维的、庞大的、并且数据量可以用“海量”形容。有价值的信息淹没在大规模的海量高维数据中，需要发现数据的内在规律。正是基于这样的背景，对高维数据的降维处理研究是有着重大意义的。　　 首先通过系统地介绍了物联网的概念、关键技术、实现原理、主要业务以及物联网的海量数据，构建了研究背景。　　 然后介绍了流形学习的相关概念和基本的预备知识。流形学习是基于局部线性和全局非线性的假设，流形学习方法能有效地探测到非线性数据的内在结构，并且具有保留这些结构的特点。本文对主成分分析、核主成分分析和半正定嵌入算法做了详细的分析、讨论、实现。在核主成分分析和半正定嵌入算法的基础之上提出了基于核的半正定嵌入算法。通过实验表明，基于核的半正定嵌入算法能够捕获更多数据能量，能更好的保持数据内在的流形结构。　　 最后，利用VC++6.0与matlab7.0混合编程，将降维算法应用在车务通系统中。通过对车务通数据降维处理后，基于核的半正定嵌入算法同样能够捕获数据较多的能量，能够更好的保持数据的内在流形结构。