基本信息

---

下载

文档摘要

---

基于流形学习的有监督降维方法：理论、算法与应用

一、引言

1.1研究背景

在当今数字化时代，随着信息技术的飞速发展，各领域产生的数据量呈爆炸式增长，数据维度也不断攀升，高维数据无处不在。例如，在生物信息学中，基因表达数据的维度可高达数千维，每一个维度代表一个基因的表达水平；在图像识别领域，一张普通的彩色图像若以像素点作为特征，其维度可能达到数万甚至数十万维，因为每个像素点包含了红、绿、蓝等多个颜色通道的信息；在金融领域，对市场风险评估时，需要考虑的经济指标、交易数据等维度也非常多，涵盖了利率、汇率、股票价格、成交量等各种因素。

高维数据的处理面临着诸多难题，其中最为突出的是“维数灾难”