Metode dekomposisi data tidak berbeda dengan pergeseran dan skala kecil?

Apakah ada metode dekomposisi data yang mirip dengan nilai eigen yang memperkirakan matriks proyeksi untuk mengurangi dimensi tetapi tidak memproyeksikan vektor serupa terlalu jauh dalam jarak euclidian satu sama lain jika data asli dari kelas yang sama sedikit bervariasi dalam skala, pergeseran dan rotasi (2D) kasus).

misalnya contoh masalah klasifikasi EKG. Siklus jantung memiliki durasi yang berbeda. Selain itu skala dan pergeseran tergantung pada akurasi deteksi detak. Dengan demikian siklus cardio dari kelas yang sama mungkin diproyeksikan jauh karena variasi itu.

Untuk EKG, ada pekerjaan menggunakan Karhunen Lòeve Transform (KLT) (Jager, et al. 1992) . Saya sudah sukses dengan teknik KLT (Povinelli, 2005) .