Graph embedding and extensions:降维框架~

Reference: Graph embedding  and extensions: a general framework for dimensionality reducation.

在图嵌入的框架下，提出一种有监督的降维方法：Marginal Fisher Analysis（MFA）. 使得类内紧致，类间分类~

这种MFA方法，能有效地克服，由于对数据分布假设，导致的传统LDA的限制~

 

无论在有监督学习或无监督学习中，降维技术应用广泛~

 如线性的方法：PCA、LDA、LPP(Locality Preserving projections保存数据集中的局部信息，利用固有的流行结构~):

    非线性的方法：ISOMAP、LLE、Laplacian Eigenmap~

    kernel trick+线性降维方法~~

 

两个创新点：

     1、一个框架： graph embedding~ (+ 线性的、非线性的、tensorization)

     2、在这个框架下，提出新的降维方法~