基于流形局部对齐的大数据多模态学习

为了学习每种模式下的底层低维流形，防止对齐流形学习中的解耦关系合并，提出了一种基于流形的齐的大数据状态局部学习方法。首先，在给定的耦合和解耦区域获得局部面片，并将最小值转移到相邻的数据点。然后，通过函数映射的思想将该信息扩展到整个模式流形，并利用得到的映射矩阵对模式内和模式间邻域映射的权重进行修改和细化。最后，将两个图的拉普拉斯算子联合对角化。最后，合成数据集公司和真实数据集的实验结果表明，该方法具有良好的性能。