提出了一种采用拓扑学习神经网络进行度量学习和嵌入的框架。 为了强调常规嵌入方法（例如多维缩放和Isomap）在时间和空间上效率低下的问题，我们利用了拓扑学习神经网络（例如增长的神经气体和自组织增量）的增量训练和矢量量化能力。神经网络构造数据的表示形式。 然后用神经元的图相似度代替输入数据的成对相似度来近似嵌入。 在一个实验中，所提出的度量学习与支持向量机结合使用来解决半监督学习（SSL）问题。 结果表明，我们提出的方法提高了SSL实验中的分类精度。