1.一种面向边缘计算的压缩数据免解码传输方法，其特征在于，包括：步骤1，在初始节点处，收集边缘固网或移动网络上不同时隙的数据；

步骤2，采用可分类流形学习数据压缩算法，对收集的数据进行压缩处理，步骤如下：步骤2.1，将步骤1收集的不同时隙的数据分别存储在不同数组中；

步骤2.2，在每个数组中，对数据构造近邻赋权图G，将具有相邻关系的一对数据记为数据对，并记录数据对对应的特征属性之间的相邻关系；

步骤2.3，构造全局度量特征矩阵，利用测地距离算法求解全局度量特征矩阵，得到近邻赋权图G中所有数据对的最短路径；

步骤2.4，捕捉特征映射嵌入，将数据特征从高维空间映射到低维空间；

步骤2.5，获取所有时隙的特征映射结果，将结果组合作为下一时隙边缘网络节点的特征映射压缩表示结果；

步骤3，将所述结果组合传输至边缘网络节点。

2.根据权利要求1或2所述面向边缘计算的压缩数据免解码传输方法，其特征在于，所述步骤1中，根据时隙收集边缘固网或移动网络上的数据，记录数据的特征属性，所述步骤

2.1中，利用不同数组分别记录不同时隙边缘固网或移动网络中的数据。

3.根据权利要求2所述面向边缘计算的压缩数据免解码传输方法，其特征在于，所述步骤2.2中，利用ε‑近邻法构造近邻赋权图G，方法如下：2

给定阈值ε，如果||xi‑xj|| ≤ε，则数据xi和数据xj为近邻点，具有相邻关系，记为数据对，其中xi对应的特征属性为ai，xj对应的特征属性为aj，将xi和xj用一条边连接，并将此边2

的权值L设为xi和xj的欧氏距离dx(i，j)，它代表ai和aj之间的关系，其中，|| ||表示欧几里得范数。

4.根据权利要求3所述面向边缘计算的压缩数据免解码传输方法，其特征在于，所述步骤2.3中，所述全局度量特征矩阵表示为：DG＝(dG(i，j))n*n，测地距离算法求解公式为：其中，DG为近邻赋权图G中所有数据对的最短路径组成的n*n矩阵，dG(i，j)表示xi和xj之间的测地距离，N表示数据集合，dG(i，k)表示数据xi和数据xk之间的测地距离，dG(k，j)表示数据xk和数据xj之间的测地距离。

5.根据权利要求4所述面向边缘计算的压缩数据免解码传输方法，其特征在于，所述步骤2.4中，令 求出矩阵τ(DG)的所有特征值及特征向量，然后按特征值从大到小排序，选取前d个特征值λ1，λ2...λd，利用λ1，λ2...λd对应的特征向量u1，u2...ud组成矩阵U＝[u1，u2...ud]，则最终的特征映射嵌入结果为：其中，Y表示低维特征映射嵌入结果，即特征映射结果，H是中心矩阵，其与DG是同阶的单位矩阵，S为测地距离的平方矩阵， τ表示矩阵变换算子，C表示邻赋权图G。