该研究提出了一种基于表面的谱广义多维尺度映射 (Spectral-GMDS) 方法，用于计算两个度量空间之间的映射关系，该方法在解决问题时隐含地将映射的平滑性纳入，从而实现了高效的嵌入，并在实验中取得了很好的效果。

Nov, 2013

本文提出了一种基于 Poincare disk（PD）的超几何平面的度量多维缩放（PD-MDS）算法，通过基于初等的超几何线搜索而非黑盒优化器的构建方法，在超几何空间模型中解决了多方面的问题。

May, 2011

本文介绍了一种基于最小二乘 (LS-MDS) 的多维缩放方法，并将其置于频谱域中进行了分析，得出了距离缩放的多重分辨率属性，从而加速了优化过程并实现了良好的嵌入效果。

Sep, 2017

我们研究了多维缩放（Multi-dimensional Scaling，MDS）的 Kamada-Kawai 公式，提出了一种基于 Sherali-Adams 线性规划层次的近似算法，该算法实现了在目标维度下成本和时间复杂度之间的平衡，为高效度量优化算法的开发奠定了基础。

Nov, 2023

本文介绍了一个新颖的线性复杂度的随机优化算法，可用于多维缩放（MDS）的随机压力最小化框架，可递增、分布式求解，应用于定位和可视化任务，并在合成和真实数据集上进行了广泛测试。

Dec, 2016

本文介绍了多维尺度变换（MDS）及其不同类型、Sammon 映射、Isomap 等算法，以及使用特征函数和核映射等方法处理大数据的 out-of-sample MDS 和 Isomap 嵌入，并着重介绍了 Nystrom 近似及其在地标 MDS 和 Isomap 中的应用。

Sep, 2020

该论文介绍了一种新的方法 —— 联合多维标度，它可以将来自两个不同领域的数据集映射到一个低维欧几里得空间中，同时只需要每个数据集内部的成对不相似性作为输入，并展示了其在联合可视化、异质领域自适应、图形匹配和蛋白质结构对齐等多个应用中的有效性。

Jul, 2022

该研究提供了一种将有向无环图嵌入到闵可夫斯基时空中的方法，使用了多维标度（MDS）技术进行几何分析，并探讨了在引用网络分析中的应用， 如论文推荐和识别缺失引用。

Feb, 2016

我们提出了一种稳定的欧几里德不变描绘方法，并通过计算输入的 MDS 差异矩阵，应用刚性变换和多个实现，确保变换不变并整合 OOSP，验证了我们的方法在达到一致的 LDS 表示方面的有效性。

Aug, 2023

该研究介绍了一种最小失真嵌入 (MDE) 问题的简单但广泛的框架，它包括多种嵌入方法，如谱嵌入，主成分分析，多维缩放，Isomap 和 UMAP 等降维方法以及新嵌入方法，并提供了一种验证历史和新嵌入的原则性方法。通过研发投影拟牛顿方法和开源软件包 PyMDE，MDE 问题可以被快速解决，用于诸如图像、学术合著者网络、美国县人口统计数据和单细胞 mRNA 转录组等真实数据集的嵌入计算。

Mar, 2021