动态模态分解 DMD | 做高维时间序列数据短时预测

Posted 叶庭云

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了动态模态分解 DMD | 做高维时间序列数据短时预测相关的知识,希望对你有一定的参考价值。

通过这篇博客您将收获:

  • 熟悉动态模态分解(DMD)的关键原理和重要的数学推导;
  • 掌握利用 DMD 做多元时间序列预测任务的技术;
  • 相关的有价值的资料分享,用于补充学习和拓展。

CSDN 叶庭云https://yetingyun.blog.csdn.net/

文章目录


一、DMD 原理

动态模态分解(Dynamic Mode Decomposition, DMD) 是 Peter Schmid 在 2008 年开发的一种数据驱动的降维算法(论文发表于 2010 年,见 [1,2]),它与矩阵分解(Matrix Decomposition)和主成分分析(PCA)算法类似。

动态模态分解(Dynamic Mode Decomposition, DMD)最早是被用来分析流

以上是关于动态模态分解 DMD | 做高维时间序列数据短时预测的主要内容,如果未能解决你的问题,请参考以下文章

多模态算法在视频理解中的应用

论文笔记:Learning Disentangled Representations of Video with Missing Data

论文笔记:Learning Disentangled Representations of Video with Missing Data

语音信号的“短时时域”分析

详解主成分分析PCA与奇异值分解SVD-高维数据可视化以及参数n_components菜菜的sklearn课堂笔记

尝试使用 jquery 使模态数据动态化