论文部分内容阅读
流形学习是近年来新发展成熟的一种学习的模式，是机器学习中的一个重要组成部分。流形学习假设待学习的高维数据集分布于一个光滑的非线性流形上，通过对此流形上各点间的邻域关系或者全局测地距离等性质进行刻画和保持，再借助于谱分解的方法和理论，就能获得能够保持分布在流形上的高维数据集某方面特性的低维表示。该文就将结合目前流形学习领域已有的研究成果，对流形学习的各个相关方面做一个较为全面的综述。