劳伦斯·K·索尔。;山姆·T·罗维。 全局思考，局部拟合：无监督学习低维流形。 （英语） Zbl 1093.68089号 J.马赫。学习。物件。 4，第2期，119-155（2004）. 摘要：降维问题出现在信息处理的许多领域，包括机器学习、数据压缩、科学可视化、模式识别和神经计算。这里我们描述了局部线性嵌入（LLE），这是一种无监督学习算法，用于计算高维数据的低维邻域保持嵌入。假设数据是从底层流形中采样的，将其映射到一个较低维度的单个全局坐标系中。映射是从局部线性重构的对称性导出的，嵌入的实际计算简化为稀疏特征值问题。值得注意的是，LLE中的优化虽然能够生成高度非线性的嵌入，但实现起来很简单，并且不涉及局部极小值。在本文中，我们详细描述了该算法的实现，并讨论了增强其性能的几个扩展。我们将该算法的结果应用于从已知流形采样的数据，以及面部、嘴唇和手写数字的图像集合。这些示例用于对算法的性能（成功和失败）进行详细说明，并将算法与以前和正在进行的非线性降维工作联系起来。 引用于96文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 软件：JDQZ公司;JDQR公司 PDF格式BibTeX公司 XML格式引用 \textit{L.K.Saul}和\textit{S.T.Roweis}，J.Mach。学习。第4号决议，第2号，119--155（2004年；Zbl 1093.68089） 全文： 内政部