235
个编辑
更改
跳到导航
跳到搜索
第282行：
第282行： − + − + − +
→DMD算法的详细步骤
通过SVD可以降维，只保留前 r个重要的模式（即低秩近似）。
通过SVD可以降维，只保留前 r个重要的模式（即低秩近似）。
3.计算<math> \tilde{A} </math>Ã: Ã = U* X' V Σ⁻¹
3.计算<math> \tilde{A} </math>: <math> \tilde{A} = \mathbf{U^*} \mathbf{X'}\mathbf{V}\mathbf{Σ^{-1} </math>。
4.求解Ã的特征特征值和特征向量： Ã W = W Λ
4.求解<math> \tilde{A} </math>的特征特征值和特征向量： <math> \tilde{A} \omega = \lambda \omega </math>
5.DMD模态为：φ= λX'V Σ⁻¹w。
5.DMD模态为：<math> \varphi = \frac {1} {\lambda} \mathbf{X'}\mathbf{V}\mathbf{Σ^{-1} \omega </math>。
==扩展DMD==
==扩展DMD==