时间序列的爆炸树分解揭示了时域相关性的结构
摘要：非泊松、突发时间模式的全面表征对于理解这种时间模式背后的机制至关重要。其中，突发事件序列主要在事件间隔时间（IETs）方面进行研究，而IETs之间的高阶相关结构由于缺乏适当的表征方法而受到较少关注。在本文中，我们提出了一种将事件序列分解为一组IETs和一个突发树的方法，能够精确捕捉到在IET分布分析中完全缺失的时间相关结构。我们将突发树分解方法应用于各种数据集，并分析了所揭示的突发树的结构。特别是，我们观察到，尽管IETs分布差异很大，事件序列显示相似的突发树结构，如重尾突发大小分布。突发树让我们能够直接表征突发之间的优先和同质混合结构，这是导致高阶时间相关性的原因。我们还展示了如何使用分解方法在随机参考模型的框架中系统研究被突发树捕捉到的高阶相关性。最后，我们设计了一个简单的基于核的模型，用于生成显示适当高阶时间相关性的事件序列。我们的方法将复杂的突发时间序列的高阶相关性分析转化为对树结构的分析，使之变得可行。
作者：Hang-Hyun Jo, Takayuki Hiraoka, Mikko Kivel"a
论文ID：1907.13556
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2020-07-24