用于持续性景观的离散签名张量

路径的签名张量是数据分析和机器学习中的一种多功能工具。最近，它们通过将条形码嵌入路径空间而被应用于持久同调。在众多路径嵌入方法中，持久性景观嵌入是单射且稳定的，然而当与签名映射复合时会丧失单射性。本文通过提出一种离散替代方案来解决此问题。持久性景观的临界点构成一个时间序列，我们计算其离散签名。我们将这种关联称为离散景观特征映射（DLFM）。我们给出了关于DLFM的单射性、稳定性和可计算性的结果。我们将其应用于一个打结蛋白质数据集，以统计显著性捕捉了序列相似性和结深度。