用于复杂时间序列特征描述的粗粒化熵率
comp-gas
2015-06-24 v1 元胞自动机与格子气
摘要
提出了一种利用粗粒化熵率（CER）对复杂时间序列进行分类的方法。CER由信息论泛函——冗余度计算得出，是规律性和可预测性的相对度量，对于由动力系统生成的数据，它们与柯尔莫哥洛夫-西奈熵（Kolmogorov-Sinai entropy）相关。然而，研究数据具有确定性动力起源并非使用CER的必要条件，因为熵率同样可以针对随机过程定义。通过使用由确定性——混沌过程和随机过程——生成的数值时间序列，测试了CER对数据动力学变化的敏感性及其对噪声的鲁棒性。通过药理脑电图（pharmaco-EEG）和震颤分类的实例，展示了CER在生理信号或其他复杂时间序列分析中的潜在应用。
引用
@article{arxiv.comp-gas/9512002,
title = {Coarse-grained entropy rates for characterization of complex time series},
author = {Milan Palus},
journal= {arXiv preprint arXiv:comp-gas/9512002},
year = {2015}
}
备注
15 pages, uuencoded compressed postscript file, figures embedded in the text, <[email protected]>, <[email protected]>