“持久同调”：拓扑数据分析（TDA）中的核心方法，用来在不同尺度（阈值）下追踪数据的拓扑特征（如连通分量、环、空腔）如何出现与消失，从而区分“真实结构”与“噪声”。
/pərˈsɪstənt həˈmɑːlədʒi/
Persistent homology helps us find shapes hidden in noisy data.
持久同调能帮助我们在含噪数据中发现隐藏的形状结构。
By computing persistent homology across a filtration, the researchers summarized the dataset with barcodes that revealed stable loops and voids.
研究人员通过在一个滤过序列上计算持久同调，用条形码总结数据集，揭示了稳定存在的环与空腔结构。
“persistent” 来自拉丁语 persistere（坚持、持续存在）；“homology” 来自希腊语 homologia（一致、对应关系），在数学中指研究空间在不同维度上的“洞”的结构（同调群）。组合起来，“persistent homology” 强调：这些同调特征在尺度变化过程中是否“持续存在”，持续越久通常越被认为是数据的稳定结构。
Select Language