计算机技术迅猛发展使我们获取数据日益容易、关注的数据对象也日益复杂。学术和实业界对数据处理和分析技术的需求也更加迫切,尤其是对高维和大数据分析处理，是统计和计算机科学与技术研究领域和实业界关注的热点课题,高维数据降维分析处理即是有着重要理论意义和应用价值的问题之一。本文主要研究运用随机方法和计算技术为基础探讨高维数据的降维方法。传统的数据分析处理技术在应对现时的高维数据时往往难以奏效，典型的例子是维数灾等。当前有效的高维数据降维技术大多广泛使用了随机方法和高维数据集上的统计学习方法。本文在经典的统计机器学习方法和高维数据集上的统计学习算法的基础上，对随机投影方法、PCA方法、AdaBoost方法和微分演化算法在高维数据降维方面的技术进行研讨，给出了两个新的高维数据降维算法及对一个现有的典型的高维数据降维算法进行了改进。主要结果是：一、给出一个结合随机投影和PCA的新的高维数据降维算法；二、给出一个结合AdaBoost和微分演化的新的降维算法；三、改进了现有常用的高维数据降维的确定性稳健PCA方法。我们运用了概率统计方法和算法分析设计思想，对所给出的新算法进行了理论分析，并使用所给出的算法在图像分析处理数据问题进行了实验。实验结果也表明文中所给出的方法的优良性。