流形学习是计算机科学领域的一个热门话题，特别是自2000年在《科学》杂志上提出基于流形学习的非线性降维以来，这项工作取得了巨大的成功。当前流形学习方法的主要目的是搜索位于低维流形上的高维输入基础的独立固有变量。在本文的训练步骤中，建立了一个新的流形，如果输入训练样本的内在变量的值彼此接近，则将其设置为彼此接近。然后，降维过程被转换为保持内在变量连续性的过程。通过使用新的歧管，可以动态跟踪可以自由移动和旋转的人员。从理论上讲，这是将流形学习框架转换为动态跟踪的第一种方法。从应用的角度来看，获得了一