Isomap

2000年发表于《Science》杂志的Isomap算法Matlab代码，用于非线性数据降维，专注于维数约简。

非负矩阵分解(NMF)是一种局部特征提取方法，能勾勒相关图像在基矩阵空间的分布。为解决NMF未考虑数据内在几何结构的限制，提出基于NMF与全局非线性降维方法Isomap相结合的新方法。Isomap能有效发现数据内在结构与相关性，实现高维数据的可视化降维。实验显示，该方法在图像检索中能更准确地获取信息，提升检索准确性。

流形学习是机器学习与数据挖掘领域的重要研究课题。现有算法通常假设高维数据存在于同一个流形上，而DC-ISOMAP算法则针对等维度独立多流形的情况进行研究。

Matlab编写的Isomap降维代码高效、精确地实现非线性降维，对于三维网格和各种点云图均适用。该代码利用连接附近点的方法创建图形，经过测试，适用于Matlab R2019a及以上版本的OSX和Windows 64位系统。用户可通过运行DEMO_detailed.m文件来查看详细演示，或者使用无注释的DEMO_only_code.m文件进行快速测试。为确保学术诚信，使用时请引用相关论文（1）和（2）。