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

研究网络的弯曲度和相关性，发现 Forman 曲率可用于深入了解复杂网络的组织结构。

Mar, 2016

介绍 Forman-Ricci 曲率及其对应的流作为复杂网络的特征，旨在扩展基于节点的网络分析方法。将该方法应用于静态和动态复杂网络，并与已建立的基于节点的特征进行比较，建议其在数据挖掘中的应用，包括实验数据去噪和聚类，以及网络演化的外推。

Jul, 2016

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

这篇研究使用 persistent homology 方法来检测比较难以用传统统计方法描述的网络拓扑结构，将加权网络基于这些结构分类为具有不同特征的两类，并将代数拓扑工具引入复杂系统中。

Jan, 2013

本研究介绍了利用代数拓扑学所衍生出的持久同调来研究网络结构的一种新方法，区别于传统基于局部特征的图论度量方法，提出了一种基于团的循环构建，将 14 个常见带权网络模型分为四类并探讨了其结构主题，最后与三种类别进行比较分析了真实网络的持续同调分析结果。

Dec, 2015

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

利用 Grigor'yan, Lin, Muranov 和 Yau 构造的有向图同调研究持久化范畴中的非对称性，提出了持久路径同调，并在模拟和真实的有向网络上验证了其特征。

Jan, 2017