利用定制随机网络揭示交互网络的虚假性质
数据分析、统计与概率
2012-01-10 v1 社会与信息网络
计算物理
物理与社会
摘要
我们研究了从多元时间序列中导出的交互网络，这些时间序列采用了生物学、定量金融、物理学、地球与气候科学以及神经科学等多个科学领域中常用的方法。通过模拟实验情形，我们生成了具有有限长度和不同频率成分但源自独立随机过程的时间序列。利用相关系数和最大互相关，我们估计了这些时间序列之间的相互依赖性。通过聚类系数和平均最短路径长度，我们观察到通过对相互依赖性的值进行阈值处理导出的无权交互网络，与 Erd\H{o}s-R\'enyi 网络相比具有非平凡的拓扑结构，这表明其具有小世界特性。这些拓扑结构反映了数据大多不可避免的有限性，这限制了通常使用的信号相互依赖性估计器的可靠性。我们提出了针对交互网络从经验数据中导出方式而定制的随机网络。通过对以具有复杂的空间和时间动力学而闻名的癫痫发作多通道脑电图记录的示范性研究，我们表明此类随机网络有助于将与癫痫发作动力学相关的相互依赖结构的网络性质，与由所应用的分析方法虚假诱导出的性质区分开来。
引用
@article{arxiv.1201.1755,
title = {Unraveling Spurious Properties of Interaction Networks with Tailored Random Networks},
author = {Stephan Bialonski and Martin Wendler and Klaus Lehnertz},
journal= {arXiv preprint arXiv:1201.1755},
year = {2012}
}