Metoda dekompozycji danych niezmienna dla małej zmiany i skali?

Czy istnieje metoda dekompozycji danych podobna do wartości własnej, która szacuje macierz projekcji w celu zmniejszenia wymiarów, ale nie rzutuje podobnych wektorów zbyt daleko w kategoriach odległości euklidesowej od siebie, jeśli oryginalne dane z tej samej klasy różnią się nieco skalą, przesunięciem i obrotem (2D walizka).

y = E x;

$y = E x;$

np. przykład problemu z klasyfikacją EKG. Cykle kardio mają różny czas trwania. Ponadto skala i przesunięcie zależą od dokładności wykrycia uderzeń. W związku z tym cykle kardio należące do tej samej klasy mogą być rzutowane bardzo daleko z powodu tej odmiany.

image-processing algorithms

— Chesnokov Yuriy
źródło

Sygnały pseudo-okresowe? sethares.engr.wisc.edu/paperspdf/wong2004.pdf

— rwong

Kiedy czytam pytanie, od razu myślę o kwantyzacji wektorowej . Lub inne algorytmy grupowania . Może myślenie w tym kierunku może zacząć.

— bjoernz,

W przypadku elektrokardiogramów istnieją prace z wykorzystaniem transformacji Karhunen Lòeve (KLT) (Jager i in. 1992) . Odniosłem sukces w technice KLT (Povinelli, 2005) .

— Richard Povinelli
źródło