利用最短路径距离和联合邻域选择的流形匹配

多模态数据集的匹配已成为数据分析中的一项重要任务。现有方法通常依赖于对每种单一模态的嵌入和变换，而未利用任何对应信息，这往往导致次优的匹配性能。在本文中，我们提出了一种利用最短路径距离和联合邻域选择的非线性流形匹配算法。具体而言，为所有模态构建一个联合最近邻图。然后从联合邻域图中计算每种模态内的最短路径距离，随后将其嵌入并匹配到一个共同的低维欧几里得空间中。与现有算法相比，我们的方法在匹配多种模态的异构数据集方面表现出更优越的性能。