CLPVG：作为时间序列新网络模型的环形有限穿透可见图
机器学习
2022-02-16 v1 信号处理
摘要
可见图（VG）将时间序列转换为图，便于利用先进的图数据挖掘算法进行信号处理。本文在经典的有限穿透可见图（LPVG）方法基础上，提出一种名为环形有限穿透可见图（CLPVG）的新型非线性映射方法。对典型时间序列生成图的度分布和聚类系数的测试验证，我们的 CLPVG 能够有效捕捉时间序列的重要特征，且比传统 LPVG 具有更好的抗噪能力。在无线电信号和脑电图（EEG）真实世界时间序列数据集上的实验也表明，CLPVG 而非 LPVG 所提供的结构特征对时间序列分类更有用，可带来更高的准确率。并且，通过采用子图网络（SGN）进行结构特征扩展，该分类性能可进一步增强。所有这些结果均验证了我们的 CLPVG 模型的有效性。
引用
@article{arxiv.2104.13772,
title = {CLPVG: Circular limited penetrable visibility graph as a new network model for time series},
author = {Qi Xuan and Jinchao Zhou and Kunfeng Qiu and Dongwei Xu and Shilian Zheng and Xiaoniu Yang},
journal= {arXiv preprint arXiv:2104.13772},
year = {2022}
}
备注
9 pages, 9 figures