通过引入基于拓扑数据分析的数学定义，我们提出了一种定量分析分支网络的客观框架，比较在具有和不具有凸包绘图的图像中构建的持续图，通过判断两个图之间的不变点以及区别，我们构建了一个数学理论，并表明内部结构与凸包绘图之间存在单调性关系，而外部结构则不存在该关系，该方法可以应用于生物学中的各种分支结构的客观分析，实现对数量、空间分布、大小等的分析，另外，该方法还有与拓扑数据分析中的其他工具相结合的潜力，比如广义持续景观。

Feb, 2024

使用拓扑数据分析方法研究实验和人工来源的时间序列数据所构造的 “功能网络”。使用持久性同调与加权等阶团过滤来深入挖掘功能网络，使用持续地形图来解释结果，表明持续同调可以检测数据集中随时间出现的同步模式的差异，从而揭示网络社群结构的变化和学习过程中形成回路的脑区之间的同步增强。

May, 2016

该文章是对持久同调的调查，主要是它在拓扑数据分析中的应用，包括持久模的理论、持久条形码的稳定性定理、广义持久性、持久条形码的向量化，以及一些应用。

Apr, 2020

采用拓扑数据分析方法，我们从动力系统时间序列的图形化表示中提取了有关其周期性和混沌特征的信息，并使用序数分区框架构建了两种图形。该方法提供了更准确的动态特性描述，并具有更强的噪声鲁棒性。

Apr, 2019

该论文研究神经网络层内部如何保留拓扑特征。使用拓扑数据分析技术，计算了一个简单前馈神经网络的层表征在类克莱因瓶扭结构变化下的拓扑特征。在较早层，网络看起来近似于同胚，但在较深层时数据的拓扑结构被明显更改，导致持久同调无法计算这些特征。但在具有双射激活函数的网络中，类似的拓扑特征似乎可以更持久地存在。

Jul, 2022

通过将 PERSISTENCE DIAGRAM 转换为 PERSISTENCE IMAGE，可以提高 machine learning 任务中鉴别拓扑信息的能力。

Jul, 2015

介绍了一种新颖稳定的持久性袋矢：PD 的矢量化表示，实现了与机器学习的无缝整合，并在比其他方法更短的时间内取得了最先进的性能。

Dec, 2018

本研究提出一种在应用代数拓扑中的持久同调领域中进行分类研究的方法，即通过对持久图的函数汇总，建立持久景观函数的定义、理论性质及性能进行理论与实践分析，结果表明其分类效果优越。

Apr, 2018

通过拓扑数据分析法，我们提出了一种新颖的深度学习框架，以更好地分割和不确定性评估复杂的细微结构，如生物医学应用中的神经元、组织和血管，为可扩展的标注提供了有力工具。

Mar, 2024

我们开发了一种通过最适合数据类型的过滤将持久图与数字数据关联起来的流程，使用网格搜索方法确定最佳表示方法和参数，并在常见基准数据集上比较不同的表示方法，这是利用持久同调和机器学习进行数据分类的简单易用的流程的第一步，同时为了解为什么在给定数据集和任务的情况下，一对（过滤，拓扑表示）优于另一对。

Sep, 2023