稀疏模式动态模态分解用于区分局部与全局结构
计算与语言
2025-10-10 v2
摘要
动态模态分解（DMD）是一种从时空数据中提取主导特征的数据驱动方法。本文引入稀疏模式 DMD，作为优化 DMD 框架的一个新变体，特别利用稀疏性促进正则化，以逼近具有局部空间结构的 DMD 模态。该算法保持优化 DMD 的鲁棒性，同时区分空间局部与全局的模态。在许多应用中，这些模态分别与离散谱和连续谱相关，从而允许算法以无监督方式显式构建谱的不同部分。我们通过分析合成系统和真实世界系统（包括光学波导、量子力学和海表面温度数据）来演示这一点。
引用
@article{arxiv.2507.19786,
title = {Flora: Effortless Context Construction to Arbitrary Length and Scale},
author = {Tianxiang Chen and Zhentao Tan and Xiaofan Bo and Yue Wu and Tao Gong and Qi Chu and Jieping Ye and Nenghai Yu},
journal= {arXiv preprint arXiv:2507.19786},
year = {2025}
}