ScholarGate
Assistent
Machine learningTopological data analysis

Persistent Homology

Persistent homology er en metode innen topologisk dataanalyse som kvantifiserer den multiskala topologiske strukturen til data ved å spore sammenhengende komponenter, løkker og hulrom etter hvert som en skalaparameter varierer. Introdusert av Edelsbrunner, Letscher og Zomorodian i 2002, koder den topologiske trekk gjennom deres fødsels- og dødsskalaer, og produserer persistensdiagrammer eller strekkoder som fungerer som kompakte, koordinatfrie beskrivelser av form. Tilnærmingen er robust mot støy og gir en matematisk rigorøs bro mellom diskrete data og algebraisk topologi.

Åpne i MethodMindSnartVideoSnartLast ned lysbilder

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Metodekart

Nabolaget av beslektede metoder — velg en node for å utforske.

Kilder

  1. Edelsbrunner, H., Letscher, D., & Zomorodian, A. (2002). Topological persistence and simplification. Discrete & Computational Geometry, 28(4), 511–533. DOI: 10.1007/s00454-002-2885-2
  2. Carlsson, G. (2009). Topology and data. Bulletin of the American Mathematical Society, 46(2), 255–308. DOI: 10.1090/S0273-0979-09-01249-X

Slik siterer du denne siden

ScholarGate. (2026, June 2). Persistent Homology (Topological Data Analysis). ScholarGate. https://scholargate.app/no/topology/persistent-homology

Hvilken metode?

Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.

Sammenlign side om side

Referert av

ScholarGatePersistent Homology (Persistent Homology (Topological Data Analysis)). Hentet 2026-06-15 fra https://scholargate.app/no/topology/persistent-homology · Datasett: https://doi.org/10.5281/zenodo.20539026