本研究提出了两种半监督流形对齐方法：最短路径联合域（SPUD）和随机跳跃流形对齐（MASH），显著提升了多模态数据集成中的流形对齐精度和跨域分类能力。

本文综述流形学习与核方法进展，涵盖高效多线性逼近框架用于动态磁共振成像、机器人学习中的流形概率分布预测、改进高斯过程回归处理高维数据，以及多流形聚类、流式降维、无监督样例挖掘和KEMA流形对齐等方法。