论文部分内容阅读
流形学习的主要目标是发现高维观测数据空间中的低维光滑流形．目前，流形学习已经成为机器学习和数据挖掘领域的研究热点．为了从高维数据流和大规模海量数据集中探索有价值的信息，迫切需要增殖地发现内在低维流形结构．但是，现有流形学习算法不具有增殖能力，并且不能有效处理海量数据集．针对这些问题，系统定义了增殖流形学习的概念，这有利于解释人脑中稳态感知流形的动态形成过程。且可以指导符合人脑增殖学习机理的流形学习算法的研究．以此为指导原则，提出了动态增殖流形学习算法，并在实验中验证了算法的有效性．