如何将离散二维点最优映射为类网格排列并保留近邻特性？

我尝试将二维空间中的离散点映射到类网格排列中，每个点占据一个网格位置，核心目标是尽可能保留原始离散点的近邻特性。

转换前后效果 #

• 转换前的数据：
  
• 转换后的预期效果：
  

现有思路 #

我目前想到了两种方向：

• 德劳内三角剖分（Delauney Triangulation）：该方法会将点连接成三角形网络，但我不清楚如何将其转换为符合需求的类网格结构。
• K近邻（KNN，k=4）：先把点随机分配到网格位置，再通过算法最大化原始离散点图与网格排列图的KNN相似度。

希望能得到各位的建议！

内容的提问来源于stack exchange，提问作者DJM123