根据输入的邻接矩阵判断此图的连通分量

可以使用深度优先搜索或广度优先搜索来判断一个图的连通分量。以下是使用深度优先搜索的算法步骤：

1. 从任意一个节点开始，标记为已访问过。
2. 对于该节点的每一个未访问过的邻居节点，递归执行步骤1和步骤2。
3. 所有与该起始节点直接或间接相连的节点都被标记为已访问过后，将起始节点所在的连通分量标记为已完成。
4. 从未被访问过的节点中选取一个作为新的起始节点，重复执行步骤1到步骤3，直到所有节点都被标记为已访问过。

下面是 Python 代码实现：

def dfs(adj_matrix):
    n = len(adj_matrix)
    visited = [False] * n
    components = []
    
    def dfs_helper(node, component):
        visited[node] = True
        component.append(node)
        for neighbor in range(n):
            if adj_matrix[node][neighbor] and not visited[neighbor]:
                dfs_helper(neighbor, component)
    
    for node in range(n):
        if not visited[node]:
            component = []
            dfs_helper(node, component)
            components.append(component)
    
    return components

其中，`adj_matrix` 是输入的邻接矩阵，`n` 是节点个数，`visited` 数组记录每个节点是否已经访问过，`components` 则记录所有连通分量。`dfs_helper` 是递归函数，用于搜索与当前节点直接或间接相连的所有节点，并将它们添加到同一个连通分量中。最终，返回所有连通分量。