基于混合坐标的运动数据拓扑学习

拓扑能够高效提取数据集中的结构信息。本文中，我们尝试将拓扑信息融入多输出高斯过程模型以用于迁移学习。为实现该目标，我们将圆坐标框架扩展为一种新颖的混合值坐标框架，以考虑时间序列中的线性趋势。通过多输出高斯过程模型有效学习多个时间序列的主要挑战之一是构建函数核。我们提出使用拓扑诱导的聚类在多输出高斯过程模型中构建基于聚类的核。该核不仅融入了拓扑结构信息，还使我们能够提出一个在时间序列与运动序列中利用拓扑信息的统一框架。