时间序列的隧穿：概率可见性图用于局部和全局模式发现
系统与控制
2025-07-03 v1 系统与控制
数据分析、统计与概率
摘要
高分辨率、长期时间序列数据的不断增长，凸显了能够捕捉局部和全局模式的方法的需求。为此，我们引入了概率可见性图 (Probabilistic Visibility Graph, PVG)，一种受量子隧穿现象启发的新方法。PVG 通过引入基于概率的连接来扩展经典可见性图 (Visibility Graph, VG)，这些连接在 VG 中由于中间值而被遮蔽。我们通过仿真调制信号和对电脑皮层图 (ECoG) 数据在休息和麻醉条件下的分析，展示了 PVG 捕捉长程依赖性的有效性。关键结果表明，PVG 在休息和麻醉条件下呈现出不同的网络属性，休息状态表现出更强的小世界性和无尺度性，反映出以集中式连接结构主导的网络拓扑，而麻醉状态则相对分散。这些发现凸显了 PVG 在分析具有相互作用时间尺度的复杂信号方面的潜力，为理解神经动力学及其他现实现象提供了新的视角。
引用
@article{arxiv.2507.01247,
title = {Tunnelling Through Time Series: A Probabilistic Visibility Graph for Local and Global Pattern Discovery},
author = {Roberto Sotero and Jose Sanchez-Bornot},
journal= {arXiv preprint arXiv:2507.01247},
year = {2025}
}