论文部分内容阅读
流形学习是为了寻找高维空间中观测数据的低维嵌入.作为一种有效的非线性维数约减方法，流形学习被广泛应用于数据挖掘、模式识别等机器学习领域.然而，对于样本外点学习、增量学习和在线学习等流形学习方法，面对流式大数据的学习算法时间效率较低.为此提出了一种新的基于增量切空间的自适应流式大数据学习算法（selfadaptive streaming big data learning algorithm based on incremental tangent space alignment, SLITSA），该算法