Метод декомпозиції даних, інваріантний малому зсуву та масштабу?

Чи існує метод декомпозиції даних, подібний до власного значення, який оцінює матрицю проекції для зменшення розмірності, але не проектує подібні вектори занадто далеко в умовах евклідової відстані один від одного, якщо вихідні дані того ж класу трохи змінюються за масштабом, зсувом та обертанням (2D випадок).

наприклад, приклад проблеми класифікації ЕКГ. Кардіоцикли мають різну тривалість. Крім того, масштаб і зсув залежить від точності виявлення ритму. Таким чином, кардіоцикли, що належать до одного класу, можуть прогнозуватися далеко за рахунок цієї зміни.

Для ЕКГ є робота з використанням трансформації Кархунен Лев (KLT) (Jager, et al. 1992) . Я мав успіх у техніці KLT (Povinelli, 2005) .