路径算法
-
-
基于Isomap算法的流形学习与非线性维数约简
本项目完整实现了2000年在Science杂志发表的经典流形学习算法Isomap（Isometric Feature Mapping）。该算法的核心思想是利用流形上的测地线距离代替传统的欧氏距离，从而揭示高维空间中非线性分布数据的内在本质结构。程序首先通过计算数据点间的欧氏距离构建近邻图，仅连接相邻的点以保持局部拓扑结构；随后利用Floyd-Warshall或Dijkstra算法计算图中所有点对之间的最短路径长度，以此作为全局测地线距离的近似估计；最后应用多维尺度变换（MDS）技术，在保持测地线距离矩阵的
