基于谱包络与最优标度的分类时间序列分类

本文在监督学习范式下引入一种分类时间序列分类的新方法。为构建有意义的分类时间序列分类特征，我们考虑两个相关量：谱包络及其对应的最优标度集合。这些量将分类时间序列中的振荡模式刻画为在每个频率上可能的最大功率（即谱包络），该功率通过为每个类别分配数值（即标度）以最优地强调各频率上的振荡而获得。我们的流程结合这两个量，产生一种可解释且简洁的基于特征的分类器，可用于准确判定分类时间序列的组别归属。我们研究了所提方法的分类一致性，并利用模拟研究展示了其在具有不同潜在组别结构的分类时间序列上的分类准确性。最后，我们使用所提方法探究不同睡眠障碍患者睡眠阶段时间序列振荡模式的关键差异，并据此准确分类患者。