S-Isomap++：从流数据中进行多流形学习
机器学习
2018-03-20 v3 机器学习
摘要
基于流形学习的方法已被广泛用于非线性降维（NLDR）。然而，在许多实际场景中，处理流数据的需求对这类方法构成了挑战，因为涉及较高的计算复杂度。此外，大多数方法假设输入数据是从嵌入高维空间中的单个流形采样得到。我们提出了一种当观测数据从多个流形采样或从单个流形不规则采样时的流式NLDR方法。我们展示现有的NLDR方法（如Isomap）在此类情况下会失效，主要是因为它们依赖底层流形的光滑性和连续性，而这在本论文探讨的场景中被违背。然而，所提算法能够在存在多个且可能相交的流形时有效学习，同时允许输入数据以海量流的形式到达。
引用
@article{arxiv.1710.06462,
title = {S-Isomap++: Multi Manifold Learning from Streaming Data},
author = {Suchismit Mahapatra and Varun Chandola},
journal= {arXiv preprint arXiv:1710.06462},
year = {2018}
}