isomap降维matlab代码-Manifold-learning-spike-sorting:关于如何在尖峰排序中使用低维嵌入（即ISOM

isomap降维matlab代码多元学习尖峰分类 有关如何在尖峰排序中使用低维嵌入（即，ISOMAP算法）进行特征提取的教程的源代码 简短的介绍 背景噪声和尖峰重叠在当代尖峰分类策略中造成了问题。 （非线性）等距特征映射（ISOMAP）技术揭示了固有的数据结构，并有助于识别活动神经元。 ，用于计算一组高维数据点的准等距，低维嵌入。 该算法提供了一种简单的方法，可基于对流形上每个数据点的邻居的粗略估计来估计数据流形的固有几何形状。 Isomap具有很高的效率，并且通常适用于广泛的数据源和维度。 。 其中，使用了来自3个神经元的模拟尖峰，其中一个是稀疏生的。 要在MATLAB中重现本教程，您将需要： 适用于本教程中使用的MATLAB。 （有关更多信息和更新版本） 用于MATLAB的备忘录脚本和示例数据可重现教程中显示的结果。 笔记 更改“ k”值将影响算法的输出，即在ISOMAP空间中投影数据。 投影坐标保持在“ Y”。 “ R”表示剩余方差。 有关更多详细信息和引用此工作，请参见： Adamos DA ，Laskaris NA，Kosmidis EK，Theophilidis G.“”。