快速与增量式数据降维算法研究

本书围绕数据降维技术，分别针对线性降维和非线性降维两种降维手段进行广泛而深入的讨论。对于线性降维技术，本书介绍了常用的降维算法，并对线性降维与矩阵分解的等价性进行了分析，在此基础上提出了semi-NMF、OCA、IOCA、EOCA等改进算法并进行详细的理论分析和实验验证。对于非线性降维算法，本书介绍了常用算法，包括流形学习算法、基于核方法和基于神经网络的数据降维，并提出了改进的基准点选取SL-Isomap算法及基于拓扑学习的流形学习算法TLE。