UMAP

Parent: ai_keywords

核心定义

UMAP（Uniform Manifold Approximation and Projection）是一种基于流形学习与拓扑数据分析的降维算法，由McInnes等人于2018年提出。它利用黎曼几何和单纯复形构造高维数据的模糊拓扑表示，再通过力导向图布局将其映射到低维空间（通常为2D或3D），在保留数据局部与全局结构方面优于t-SNE，且计算效率更高，适用于百万级样本。

关键技术点

1. 模糊拓扑嵌入：
   对每个样本构建局部邻域图，并用指数族函数将局部距离转化为概率相似度，形成加权邻接矩阵；再通过处理各局部图的冲突，生成全局一致的模糊拓扑表示。

2. 交叉熵优化目标：
   低维嵌入通过最小化高维与低维模糊集合之间的交叉熵损失实现，该损失项同时惩罚局部结构扭曲（高维近邻在低维被拉远）和全局结构破坏（高维远点被错误拉近）。

3. 频谱初始化 + 随机梯度下降：
   采用拉普拉斯特征映射进行初始坐标估计，随后用基于边采样的负采样策略执行随机梯度下降，显著加速收敛并支持增量学习。

4. 自适应参数调节：
   通过参数 n_neighbors 控制局部与全局权衡（小值侧重局部细节，大值保留整体流形），min_dist 则调节低维点云打包密度，适用于聚类可视化与连续特征提取。

医学/神经科学应用场景

以首都医科大学宣武医院神经病学团队的研究为例，在帕金森病（PD）运动表型分析中，研究者采集患者步态传感器（加速度计、陀螺仪）的多维度时频特征（约200维），利用UMAP将高维特征降至2D。结果显示，不同Hoehn-Yahr分期的患者样本在UMAP投影空间中形成连续且分离的轨迹流形，其中震颤主导型与姿势不稳步态障碍（PIGD）亚型呈现显著的拓扑边界。进一步，UMAP嵌入被作为输入训练轻量级随机森林分类器，实现了对PD亚型的实时鉴别（准确率>90%），且通过 min_dist=0.1 参数优化清晰保留了早期患者与正常对照组之间的细微重叠区域，为精准康复干预提供了可视化依据。此方法同样已拓展至癫痫发作间期EEG微状态拓扑分割及脑卒中后功能性连接网络的动态模式识别中。