摘要：流形学习作为机器学习、数据挖掘及模式识别领域近年来的一个研究热点,其本质在于找出嵌入在高维空间中的低维光滑流形,揭示隐藏在高维数据中的内在低维结构,以实现非线性降维。介绍了流形学习的基本思想,分析、比较了等距映射（Isomap）,局部线性嵌入算法（LLE）,拉普拉斯特征映射算法（Laplacian Eigenmap）和局部保留投影等几种常用流形学习算法的研究成果及优缺点,提出了流形学习中的一些问题,以利于更好地进行数据的降维与分析。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）