流形学习应用与展望

 一  流形学习典型应用

 1 可视化

人不能直观感知高维度的数据集的内部结构，但对三维以下的数据集的内在规律有着很强的感知能力。流形学习可以将高维数据的内在关系在低于三维的空间中展示出来，使得人们能够直观地认识高维数据的内在规律，并了解影响数据集内在结构的主要因素的变化规律。

 

2 推理与半监督学习

由于流形表达了一个事物在不同状态下的共通状态，而沿流形的运动则表达事物状态的变化，那么我们可以利用流形上某些数据已知状态参数（实质是其在隐空间中的坐标），使用流形学习算法来学习推测出状态参数未知的数据的状态参数。流形学习的这种推理机制正是半监督学习所需要的，流形学习在推理和半监督学习方面的应用有估计手旋杯的旋转度数[1]、推测视频图像中目标的位置[2]、半监督文本分类[3]等。

 

3 特征提取

流形学习方法提取的特征往往有利于后续聚类或者分类任务的进行，这是由于同一事物但不同种类的样本可能位于表征该事物的流形的不同区域。流形学习方法能够有效地逼近表征该事物的流形，从而使得流形上不同的区域的差别在特征空间中得到体现。