如果您对经典的 MDS 算法感兴趣，可以在 Wikipedia 页面上很好地说明它：

经典 MDS 使用的事实是坐标矩阵可以通过特征值分解从$B=XX'$. 和矩阵$B$可以从邻近矩阵计算$D$通过使用双中心。

1. 设置平方邻近矩阵$D^{(2)}=[d_{ij}^{2}]$

2. 应用双居中： $B=-{\frac {1}{2}}JD^{(2)}J$ 使用居中矩阵 $J=I-{\frac {1}{n}}11'$， 在哪里 $n$ 是对象的数量。

3. 确定 $m$ 最大特征值 $\lambda _{1},\lambda _{2},...,\lambda _{m}$ 和相应的特征向量 $e_{1},e_{2},...,e_{m}$ 的 $B$ （在哪里 $m$ 是输出所需的维数）。

4. 现在， $X=E_{m}\Lambda _{m}^{1/2}$， 在哪里 $E_{m}$ 是矩阵 $m$ 特征向量和 $\Lambda _{m}$ 是对角矩阵 $m$ 的特征值 $B$.

我真的不知道你的 $A$ 矩阵是，但如果每个条目都是距离 $i^{th}$ 到 $j^{th}$条目，那么这将是您的邻近矩阵。

还， $11'$是一个全为 1 的 n×n 矩阵。这应该是不言自明的，但是如果您不确定，可以用谷歌搜索这些术语中的大多数。它实际上不应该超过 10 行代码。