基于LDFA的无监督数据降维
受LTSA启发，本文提出一种基于深度学习框架的无监督降维算法
Related work:
1.深度学习方法： 有监督的学习方法 ：CNN (卷积神经网络）
无监督的学习方法 ：AEs （自动编码器）
2.局部保持 ：流形学习的特点（由三个框架可知）
不同的流形学习算法有不同的局部保持策略
每一种流形学习算法（LLE、LTSA、LPP、LE、PCA、t-SNE等）都可以认为是一个单层非线性神经网络。这样的神经网络不能从原始数据中获取深层次的特征。为了实现基于这些流形方法的深层学习，本文就把流形学习算法的局部保持特性和深度学习算法结合起来了。
我们想要的自动编码器：
可以很好的重构出输入数据
对输入数据一定程度下的扰动具有不变性（鲁棒性好）
扫描二维码关注公众号，回复：
1589110 查看本文章
