假设数据是均匀采样于一个高维欧氏空间中的低维流形,流形学习就是从高维采样数据中恢复低维流形结构,即找到高维空间中的低维流形,并求出相应的嵌入映射,以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质,找到产生数据的内在规律。流形学习方法是模式识别中的基本方法,分为线性流形学习算法和非线
GKM流形 (GKM manifolds) 理论提供了连接流形几何 (manifold geometry) 和组合学 (combinatorics) 的方法,通过一个带标签的图 (labeled graph),即 GKM 图 (GKM graph),编码了流形的大部分拓扑信息。 GKM.pdf 本文