通过马尔可夫链的粗粒化在多元时间序列中检测同步聚类
摘要：同步聚类分析是一种检测多变量时间序列数据集中潜在结构的方法，从一个二元同步指数的矩阵R开始。之前的方法利用R的特征向量进行聚类识别，类似于使用相关矩阵的特征向量进行群体识别的几种最新尝试。所有这些方法都假设主要特征向量和聚类之间具有一对一的对应关系，但在重要情况下已被证明是错误的。我们通过将问题转化为随机过程的语言来阐明特征值分解对同步聚类分析的有用性，并得出一种利用有限状态马尔可夫过程加粗方法的增强聚类方法。我们使用一对耦合的洛伦兹振荡器的模拟系统来说明我们方法的运作，并证明其相对于之前的方法具有更高的性能。最后，我们研究了算法对小样本量的鲁棒性问题，这在实际应用中是重要的。
作者：Carsten Allefeld, Stephan Bialonski
论文ID：0707.2479
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2007-12-20