通过马尔可夫链的粗粒化检测多元时间序列中的同步簇

同步簇分析是一种从二元同步指数矩阵 R 出发，检测多元时间序列数据集 underlying 结构的方法。先前的方法利用 R 的特征向量进行簇识别，类似于近期利用相关矩阵特征向量进行组识别的几种尝试。所有这些方法都假设主导特征向量与簇之间存在一一对应关系，然而这在重要情况下已被证明是错误的。我们通过将该问题转化为随机过程的语言，阐明了特征值分解在同步簇分析中的有用性，并利用有限态马尔可夫过程粗粒化的最新见解推导了一种增强的聚类方法。我们使用耦合 Lorenz 振子的模拟系统说明了该方法的运作，并证明了其优于先前方法的性能。最后，我们研究了算法对小样本量的鲁棒性问题，这对于现场应用至关重要。