使用t-SNE可视化数据
一种称为t-SNE的新技术，通过在二维或三维地图中为每个数据点提供一个位置来可视化高维数据，这是一种更容易优化的随机邻域嵌入的变体，并且通过减少将点聚集在地图中心的趋势来产生显著更好的可视化效果。 非线性降维的全局几何框架。
一种解决降维问题的方法，它使用易于测量的局部度量信息来学习数据集的潜在全局几何结构，并有效地计算出全局最优解，并保证渐近收敛到真实结构。 局部线性嵌入的非线性降维。
引入了局部线性嵌入（LLE），这是一种无监督学习算法，用于计算高维输入的低维邻域保持嵌入，从而学习非线性流形的全局结构。 LINE：大规模信息网络嵌入
一种称为“LINE”的新型网络嵌入方法，适用于任意类型的信息网络：无向、有向和/或加权，并优化了精心设计的目标函数，该函数既保留了本地网络结构，也保留了全局网络结构。 大尺度高维数据可视化
提出了LargeVis技术，该技术首先从数据中构造一个精确近似的K最近邻图，然后在低维空间中布局该图，并容易缩放到数百万个高维数据点。 用于降维和数据表示的拉普拉斯特征映射
这项工作提出了一种用于表示高维数据的几何动机算法，该算法提供了一种计算效率高的非线性降维方法，该方法具有局部保持特性，并且与聚类有着天然的联系。
