基于对角线的重复量化分析测量的边界效应校正
摘要：递归量化分析（RQA）定义了一系列基于回归图（RP）中对角线结构的量化指标。由于RP的有限大小，这些线条可能会被RP的边界截断，从而偏离对角线的长度分布和基于线条的RQA测量结果。在本文中，我们研究了上述边界效应和RP中对角线线条变粗（由切向运动引起）对对角线线条长度分布估计的影响，通过熵来量化。虽然理论上与Lyapunov谱有关系，但上述熵在许多研究中得到了矛盾的结果。在这里，我们总结了对边界效应和切向运动的校正方案，并将它们与文献中的方法进行系统比较。我们表明这些修正方法导致了对角线线条长度熵的预期行为，特别是对于规则运动而言，熵值为零；而对于混沌运动而言，熵值为正。此外，我们在噪声条件下测试了这些方法，以提供应用统计研究的实用工具。
作者：Hauke Kraemer and Norbert Marwan
论文ID：1909.09211
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2019-09-23