fabisearch:高维时间序列网络中的变化点检测
实现因子化二进制搜索(FaBiSearch)方法,用于估计多元高维时间序列网络(或聚类)结构中多个变化点的数量和位置。该方法的动机是检测功能磁共振成像(fMRI)数据的功能连接网络中的变化点。FaBiSearch使用非负矩阵分解(NMF)、无监督降维技术和新的二进制搜索算法来识别多个变化点。它需要最少的假设。最后,我们以灵活、独立的功能提供交互式、三维、特定于大脑的网络可视化功能。此功能可以方便地与任何节点坐标图谱一起使用,如果适用,可以根据社区成员身份对节点进行颜色编码。输出是一个优雅的显示网络,覆盖在皮层表面上,可以在三维空间中旋转。该包的主要例程是detect.cps(),用于多个变化点检测,est.net(),用来估计平稳多元时间序列之间的网络,net.3dplot(),用以绘制估计的函数连通性网络,opt.rank(),来查找给定数据集NMF中的最佳秩。这些函数已经在模拟的多元高维时间序列数据和fMRI数据上进行了广泛测试。有关FaBiSearch方法的详细信息,请参见Ondrus等人(2021)<doi:10.448550/arXiv.2103.06347>. 有关fabisearch软件包的更详细说明和应用示例,请参阅Ondrus和Cribben(2022),预印本。
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=fabisearch链接到此页面。