面向带标签时空数据集合的判别动态模态分解
机器学习
2021-02-22 v1 计算机视觉与模式识别
数值分析
动力系统
数值分析
摘要
提取相干模式是理解时空数据的标准方法之一。动态模态分解（DMD）是提取相干模式的强大工具，但原始 DMD 及其大多数变体未考虑标签信息，而标签信息通常作为时空数据的辅助信息存在。在本工作中，我们提出一种从带标签时空数据集合中提取显著相干模式的新方法，使其有助于标记动力学集合中的主要差异。我们通过将判别分析引入 DMD 来实现此类模式提取。为此，我们在由动态模态集合所张成的子空间上定义核函数，并构建目标函数，同时考虑 DMD 的重构优度与判别分析的类分离优度。我们使用一个合成数据集和多个真实世界数据集说明了我们的方法。所提方法可作为理解时空数据的探索性数据分析的有用工具。
引用
@article{arxiv.2102.09973,
title = {Discriminant Dynamic Mode Decomposition for Labeled Spatio-Temporal Data Collections},
author = {Naoya Takeishi and Keisuke Fujii and Koh Takeuchi and Yoshinobu Kawahara},
journal= {arXiv preprint arXiv:2102.09973},
year = {2021}
}