保持全局和局部特性的黎曼流形改进算法

？黎曼流形学习(rml)是一种全局算法，但其不能较好地保持数据局部邻域的几何性质。为解决这个问题，提出一种基于黎曼流形学习（rml）的多结构算法。先对数据集进行主成分分析（pca）投影，再构造邻域图，然后把整个数据集分为两个部分求低维嵌入坐标，对于基准点的k近邻，采用能保持其和近邻点局部性质的权值矩阵得到低维嵌入；对于其他点仍采用rml算法，使其达到既能维持数据点的全局结构，又能最大限度地保持其局部几何性质的目的。实验结果验证了该算法的有效性和实时性。