动力系统通常会出现长寿命相干集,它们是状态空间中保持几何完整性较高的区域因此在运输中发挥着重要作用。在本文中,我们提供一种从可能稀疏的拉格朗日函数中提取相干集的方法轨迹数据。我们的方法可以看作是扩散映射到轨迹空间,它允许我们构建“动态坐标”揭示数据内在的低维组织运输。我们需要的关于动力学的唯一先验知识是局部有效的距离概念,使我们的方法非常适合自动化数据分析。我们证明了我们的方法对解析解的收敛性无限数据极限下相干的转移算子框架通过几个二维和三维示例说明其潜力以及真实世界的数据。规则结构共存的一个方面许多动力系统中的混沌是相干集的出现:如果我们在一个相干集合中的某个初始位置放置大量被动示踪剂时间,然后宏观上他们进行集体运动并保持接近在一起很长一段时间,而他们的周围可以混合混乱地。自然的例子是大气中的移动旋涡或海洋学流动。在本文中,我们提出了一种提取可能稀疏拉格朗日轨迹数据的相干集。这是由在数据点上构建一个随机游走,以捕获固有的数据的时间顺序和空间紧密性的概念连贯的核心。在丰富数据限制中,我们可以显示与完备的相干集泛函分析框架。一个输出我们的方法是“动态坐标”,它揭示了内在的低-基于维度传输的数据组织。