DNA微阵列产生巨量的表达谱数据,用以挖掘特定的生物信息,而对表达谱数据的分析离不开有效而可靠的可视化算法。ISOMAP是一种新的非线性降维方法,应用它可以发现隐藏在高维数据内在的结构特性,可以将数据可视化。然而,噪声的干扰和邻域大小的不合适会在ISOMAP算法的邻域图中引入“短路”边,使其不能正确表达数据的邻域结构。基于最小连通邻域图能有效避免“短路”边,而连接距离对“短路”非常敏感,本文指出“短路”会导致连接距离差分布中的重拖尾现象,并提出一种能有效删除“短路”边,从而消除重拖尾现象的LD-ISOMAP算法,这极大地削弱了ISOMAP算法对邻域大小的依赖程度,并从定程度上降低了噪声的影响,从而使其更具鲁棒性和拓扑稳定性。新算法特别适合于快速了解数据的结构特性,为后续的定量、深入分析提供理论依据。模拟数据和真实基因芯片数据的实验结果很好地验证了该算法的有效性。