更改

Koopman算子理论 (查看源代码)

2025年12月7日 (日) 19:23的版本

添加641字节、 2025年12月7日 (日) 19:23

→‎数据驱动算法

第309行：第309行：

[[文件:未命名2.png|410x410px|替代=]]

+

DMD是简单地将原始状态本身视为观测函数，其计算高效、概念直观。然而，随着系统复杂度和数据维度的急剧攀升，计算成本成为瓶颈。为此，随机动态模式分解（Randomized DMD）<ref name=ranDMD>Erichson, N. B., Mathelin, L., Kutz, J. N. & Brunton, S. L. Randomized dynamic mode decomposition. Siam J. Appl. Dyn. Syst. 18, 1867–1891 (2019)</ref>应运而生，它通过引入随机投影、随机采样等数值技术，在基本保持DMD分析精度的同时，极大地降低了大规模问题的计算与存储开销，为处理高维、实时的数据流提供了高效方案。

==扩展DMD==

念

761

个编辑