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

该研究介绍了一个新的拓扑不变量 —— 持续同调，它代表了一个 Betti 数的参数化版本，可以用于区分长期和短期的拓扑特征，并且可以展示出不同网络拓扑特征之间的差异，从而反映出网络的强韧性与连通性等特性。

Nov, 2008

本文介绍了一种新的通用表示框架，使用代数拓扑的不变量对几何数据集进行多尺度形状描述，以表示多参数持久性同调，包括理论稳定性保证及实用的高效算法，能够快速分析几何和点云数据。

Jun, 2023

本文提出了一种基于 persistent diagram、lower-star filtration 和 Betti 函数的方法，可以高效地从时变图数据中提取形状信息，并在模拟研究和实际数据应用中表现出优越的性能，尤其是对于变点检测和加密货币网络异常价格预测。

May, 2023

在高维噪声的存在下，通过 $k$ 最近邻图上的谱距离，如扩散距离和有效电阻，可以使持久同调在检测正确拓扑结构方面具有鲁棒性。该研究还导出了有效电阻的新的闭式表达式，并描述了其与扩散距离的关系。最后，通过应用这些方法于几个高维单细胞 RNA 测序数据集，表明 $k$ 最近邻图上的谱距离可以稳健地检测细胞周期环。

Nov, 2023

本文提出一种基于 persistence diagrams 的核方法，用于发展统计学框架，该方法具有稳定性和快速逼近技术，并在蛋白质和氧化物玻璃的实际数据中证明了其比其他相关方法更具优势。

Jan, 2016

本文介绍了拓扑数据分析及其在研究复杂网络中的应用，通过给网络加权并用 Forman 离散版本的 Ricci 曲率以及边介数中心度这两个量化工具，计算网络的持续同调，实现区分有不同拓扑性质的模型和真实网络。

Dec, 2019

介绍了信息网络中不同的网络测量学方法，重点关注了一种数学工具 —— 持久同调在计算拓扑学中的应用，综述了持久同调应用在网络挖掘问题解决中的不同算法和应用，并强调了最新方法的重要性和潜力。

Jul, 2019

本文提出了一种新的框架，用于使用拓扑数据分析从三维运动捕捉数据中进行人类动作的动力学分析。我们利用动力系统吸引子的拓扑特征来模拟人类动作，使用时间延迟嵌入重构与动作对应的时间序列的相空间，并计算相空间重构的持久同调。我们在计算同调群时，结合了时序的相邻信息，以更好地表示相空间的拓扑特性。利用持久同调群的持久性来编码特征，用于动作识别。我们的实验结果表明，使用这些特征的识别效果优于其他基准方法。

Mar, 2016

提出了一种基于时间一致性正则化的新型深度图聚类框架，通过保持节点嵌入和结构相似性，增强了实时社区检测的时间一致性和聚类准确性。

Jan, 2024