He (prestado) este libro de un autor chino:
Algoritmo de reducción de dimensionalidad del subespacio y su aplicación (edición china): JIANG WEI: 9787030436573: Amazon.com: Libros
Pero el libro está en chino.
Algunos métodos enumerados en el capítulo introductorio incluyen:
- ¿Cómo es el Grupo de Sistemas CS de la Universidad de Chicago?
- ¿Cuáles son los mejores recursos para aprender visión por computadora para alguien con experiencia en álgebra lineal y de probabilidad (y un poco en aprendizaje automático)? El libro "Visión por computadora: algoritmos y aplicaciones" no es muy amigable para principiantes.
- ¿Cuáles son algunos temas candentes en la investigación en nanotecnología?
- ¿Cuáles son las principales áreas de investigación en el campo de los superconductores actualmente?
- ¿Qué significa en informática?
- ISOMAP (mapeo de características isométricas) [Tenenbaum 1998, 2000]
- Mapas propios de Laplacia [Belkin et al 2003]
Generalización de métodos de reducción de intensidad lineal a no lineal:
- kernel PCA [Scholkopf et al 1997]
- Análisis discriminante de Kernel Fisher [Mika et al 1999]
- análisis de correlación canónica del núcleo [Gestel et al 2003]
Aprendizaje basado en múltiples:
- ISOMAP
- Incrustación localmente lineal [Roweis et al 2000]
- Alineación local del espacio tangente [Zhang et al 2004]
- Despliegue de varianza máxima [Weiberger et al 2004]
- Incrustación localmente hessiana lineal [Donoho et al 2003]
- Alineación de coordenadas locales [Zhang et al 2008 NIPS]
No he leído el libro en detalle, y también soy demasiado vago para citar las fuentes en detalle. Espero que te den algunos consejos.