在处理诸如全球气候模型，面部数据分析，人类基因分布等高维数据时，经常会遇到降维的问题，即寻找隐藏在高维数据中的低维结构。 。 非线性降维有助于发现数据的固有结构和相关性，并使高维数据在低维中可见。 等距映射算法（Isomap）是非线性降维的重要算法，它起源于传统的降维算法MDS。 MDS算法基于维持原始空间中样本之间的距离和低维空间中样本之间的距离； 这里使用的距离是欧几里得距离，Isomap算法会丢弃欧几里得距离，并通过Floyd算法计算样本之间的最短路径，以近似沿着流形表面的测地距离。 与以前的非线性降维算法相比，Isomap算法可以有效地计算全局最优解，并且可以确保数据流形渐近收敛到真实