¿Método de descomposición de datos invariante a pequeño cambio y escala?

¿Existe un método de descomposición de datos similar al valor propio que estima la matriz de proyección para reducir la dimensionalidad pero no proyecta vectores similares demasiado lejos en términos de distancia euclidiana entre sí si los datos originales de la misma clase varían un poco en escala, desplazamiento y rotación (2D caso).

Por ejemplo, un ejemplo de problema de clasificación de ECG. Los ciclos cardiovasculares tienen diferente duración. Además, la escala y el cambio dependen de la precisión en la detección del ritmo. Por lo tanto, los ciclos de cardio que pertenecen a la misma clase podrían proyectarse muy lejos debido a esa variación.

Para los ECG, hay trabajo utilizando la Transformada Karhunen Lòeve (KLT) (Jager, et al. 1992) . He tenido éxito con la técnica KLT (Povinelli, 2005) .