流形匹配：保真度与可比性的联合优化

从多个海量且异构的数据源中进行融合与推断——这是我们最具挑战性的数据分析问题的要求，也是我们最具雄心的统计模式识别方法的目标——具有许多不同的方面，目前正成为深入研究与开发的对象。这一整体挑战的一个方面是流形匹配——即将多个异构数据空间嵌入到同一个低维空间中，以便在其中进行联合推断。我们以具体的统计推断应用任务为目标，从联合优化嵌入的保真度及其彼此间可比性的视角，研究这一流形匹配任务。我们的结果展示了何时以及为何我们的联合优化方法优于任何形式的独立优化。该方法通过模拟实验和一项文档匹配应用进行了说明。