×
尚、杜；尚、彭健

一种新的复杂信号相关性度量方法。 （英语） Zbl 1478.62146号

Commun公司。非线性科学。数字。模拟。 104，文章ID 106051，23 p.（2022）.
小结：距离相关（DC）统计能够描述随机变量之间的非线性相关性，这是现有皮尔逊相关系数、斯皮尔曼秩相关系数、肯德尔协调系数等的扩展和加强。然而，利用直流统计量直接测量复杂信号的动态特性存在困难。因此，在本文中，我们引入了精细距离相关（RDC）。受交叉样本熵（CSE）这一最新测度的启发，我们提出了基于RDC和相空间重构理论的相关性测度（DM），旨在以更高的精度捕获各种复杂信号的线性和非线性动力学特征。RDC还包括改进版的距离相关统计，克服了原始DC的固有缺陷。我们首先将RDC和DM应用于仿真信号中，以验证它们在检测不同动态特征方面是否有效。然后，我们应用我们的方法分析真实世界的数据。我们确认，通过与CSE进行比较，我们的方法能够获得更详细的信息。最后，我们结合DM和CSE来构造DM-CSE平面。通过将其应用于现有数据，可以获得更具特色和合理性的复杂系统聚类结果。

MSC公司：

62H20个 关联度量（相关性、典型相关性等）
60G35型 信号检测和滤波（随机过程方面）
94甲12 信号理论（表征、重建、滤波等）

关键词：

精细距离相关；依赖性度量；相空间重构；复数信号

软件：

物理工具包；能量
PDF格式BibTeX公司 XML格式引用
\textit{D.Shang}和\textit{P.Shang}，Commun。非线性科学。数字。模拟。104，文章ID 106051，23 p.（2022；Zbl 1478.62146）
全文： 内政部

参考文献：

[1] Pearson，K.，《相关性历史注释》，《生物统计学》，第13期，第25-45页（1920年）
[2] Dorogovtsev，S.N。；费雷拉，A.L。；Goltsev，A.V。；Mendes，J.F.F.，强相关生长树木的零皮尔逊系数，Phys Rev E，81，文章031135 pp.（2010）
[3] Xu，H.H。；Deng，Y.，基于Shearman系数和Pearson系数的相关证据组合，IEEE Access，6，11634-11640（2017）
[4] 斯皮尔曼，C.，《两个事物之间关联的证明和测量》，《美国心理学杂志》，第15卷，第72-101页（1904年）
[5] Song，H.Y。；Park，S.，使用Spearman的等级相关系数分析个性与访问地点的相关性，KSII Trans Internet Inf Syst，1951-1966（2020）
[6] Zhang，W.Y。；魏振伟。；Wang，B.H。；Han，X.P.，用Spearman秩相关系数测量复杂网络中的混合模式，Physica A，451，440-450（2016）
[7] Kendall，M.G.，等级相关性的一种新测量方法，《生物统计学》，3081-93（1938）·Zbl 0019.13001号
[8] Grzegorzewski，P.，模糊数据的一致性系数，《计算统计数据分析》，51，314-322（2006）·Zbl 1157.62421号
[9] 徐，W.C。；陈振国。；Zhang，Y。；Cheng，L.L.，有序统计一致系数及其在多通道生物信号分析中的应用，IEEE J Biomed Health Inf，21，1206-1215（2017）
[10] Shannon，C.E.，《通信的数学理论》，贝尔实验室技术期刊，3，9，31-32（1950）
[11] Zhao，P.N。；Lai，L.F.，平滑分布的KNN信息估计分析，IEEE Trans Inform Theory，66，3798-3826（2020）·Zbl 1448.94123号
[12] Giraudo，M.T。；Sacerdote，L。；Sirovich，R.，通过连锁熵对互信息的非参数估计，熵，15，5154-5177（2013）·Zbl 1338.62083号
[13] 马查多，J.A.T。；马塔，M.E。；Lopes，A.M.，《经济系统的分数状态空间分析》，《熵》，第17期，第5402-5421页（2015年）
[14] 雷舍夫，D.N。；雷谢夫，Y.A。；菲纽肯，H.K。；Grossman，S.R。；McVean，G。；Turnbaugh，P.J。；兰德，E.S。；Mitzenmacher，M。；Sabeti，P.C.，《在大数据集中检测新关联》，《科学》，334，6062，1519-1524（2011）·Zbl 1359.62216号
[15] Tan，Q.H。；蒋海杰。；丁永明，基于残差最大信息系数的模型选择方法，数学科学学报，34579-592（2014）·Zbl 1313.62002号
[16] Wang，S.L。；Zhao，Y.P.，《使用改进算法分析大型生物数据集的MIC》，《国际J数据》，Min Bioninform，13，158-170（2015）
[17] 张志强。；Sun，S。；Yi，M。；吴，X。；Ding，Y.M.，MIC作为构建脑功能网络的合适方法，生物医药研究国际，2015，第825136页，（2015）
[18] 谢凯利，G.Z。；Rizzo，M.L。；Bakirov，N.K.，《通过距离相关性测量和测试相关性》，《年鉴统计》，35，2769-2794（2007）·Zbl 1129.62059号
[19] 谢凯利，G.Z。；Rizzo，M.L.，Rejoiner:布朗距离协方差，Annals App Stat，31303-1308（2009）·Zbl 1284.62347号
[20] 谢凯利，G.Z。；Rizzo，M.L.，《关于距离协方差的唯一性》，统计学家Probab-Lett，822278-2282（2012）·Zbl 1471.62342号
[21] 谢凯利，G.Z。；Rizzo，M.L.，《高维独立性的距离相关t检验》，《多元分析杂志》，117193-213（2013）·Zbl 1277.62128号
[22] 谢凯利，G.Z。；Rizzo，M.L.，《不同方法的部分距离相关性》，《年鉴统计》，42，2382-2412（2014）·Zbl 1309.62105号
[23] 谢凯利，G.Z。；Rizzo，M.L.，《数据的能量》，《年度修订统计应用》，第447-479页（2017年）
[24] Zhou，Z.，《测量时间序列中的非线性相关性，距离相关法》，《时间序列分析杂志》，33438-457（2012）·Zbl 1301.62095号
[25] 贝姆斯，M.W。；施莱辛格，M。；Manchein，C。；塞莱斯蒂诺，A。；佩尔尼斯，A。；Strunz，W.T.，参数空间中棘轮电流的量子经典跃迁和量子激活，Phys Rev E，91，文章052908 pp.（2015）
[26] Kong，J。；王，S.J。；Wahba，G.，《使用距离协方差改进变量选择并应用于学习遗传风险模型》，Stat Med，341708-1720（2015）
[27] Geerligs，L。；Cam-Can，S.J。；Henson，R.N.，可使用多元距离相关性更准确地测量感兴趣区域之间的功能连通性和结构协方差，Neuroimage，135，16-31（2016）
[28] Solares，J.R.A。；Huang，L.W.，使用基于距离相关度量的新打包方法进行非线性模型结构检测和参数估计，非线性动力学，82201-215（2015）
[29] 曼德斯，C.F.O。；R.M.D.席尔瓦。；Beims，M.W.，距离自相关和Lyapunov指数的衰减，《物理学评论》E，99，第062206页，（2019）
[30] 邵晓峰，X.F。；Zhang，J.S.，鞅差相关及其在高维变量筛选中的应用，美国统计协会，1091302-1318（2014）·Zbl 1368.62157号
[31] 杨，C.C。；Hseu，S.S。；Yien，H.W。；Goldberger，A.L。；Peng，C.K.，《利用频率和秩序统计对人类心跳进行语言分析》，《物理学评论》，第90期，第108103页（2003年）
[32] 美国帕里茨。；Berg，S。；路德，S。；Schirdewan，A。；Kurths，J。；Wessel，N.，《使用有序模式统计和符号动力学对心脏生物信号进行分类》，《计算生物医学》，42，319-327（2012）
[33] Stamkopoulos，T。；Diamantaras，K。；马格拉维拉斯，N。；Strintzis，M.，使用非线性PCA神经网络进行缺血检测的ECG分析，IEEE Trans-Signal Proces，46，3058-3067（1998）
[34] 里奇曼，J。；Moorman，J.R.，《使用近似熵和样本熵进行生理时间序列分析》，《美国生理学与心脏病杂志》，2782039-249（2000）
[35] Pincus，S.M.，作为系统复杂性度量的近似熵，美国国家科学院学报，88，2297-2301（1991）·Zbl 0756.60103号
[36] 班特，C。；Pompe，B.，《排列熵：时间序列的自然复杂性度量》，《物理学评论》，88，第174102页，2002年
[37] Shang，D。；Shang，P.J.，《Fisher-DisEn平面：区分不同复杂系统的新方法》，《公共非线性科学-数值模拟》，89，第105271条，pp.（2020）·Zbl 1451.91190号
[38] 拉赫米里，S。；Bekiros，S.，《新冠肺炎疫情期间市场预期和投资者恐惧的Renyi熵和互信息测量》，Chaos Solitons Fractals，139，Article 110084 pp.（2020）
[39] Fei，L.G。；Deng，Y.，基于相对熵识别影响节点的新方法，混沌孤子分形，104，257-267（2017）
[40] 桑托斯，B.T。；马丁斯，R.A。；纳塔利，J.E.S。；罗德里格斯，V.H。；Marques，F.S。；Chaui-Berrinck，J.G.，体积估计给出的近似熵的一致性，混沌孤子分形，42，322-334（2009）
[41] 张，T。；Yang，Y.Z。；Coote，J.H.，作为大鼠肾交感神经活动复杂性和规律性度量的交叉样本熵统计，实验生理学，92，659-669（2007）
[42] Liu，C.Y。；郑，D。；李，P。；赵，L。；Liu，C.C。；Murray，A.，交叉样本熵是RR间期序列和脉冲渡越时间序列之间同步的有效度量吗？，《计算机心脏病学》，40939-942（2013）
[43] Shi，W.B。；Shang，P.J.，交叉样本熵统计作为股市同步性和相关性的度量，非线性动力学，71，539-554（2013）
[44] Fabris，C。；科莱，W.D。；Sparacino，G.，《通过电声门图和麦克风信号的（交叉）样本熵评估嗓音障碍》，《生物信号处理》，第8920-926页（2013年）
[45] Li，J.Y。；Shang，P.J.，使用Total-CApEn和Avg-CApEn以及累积直方图矩阵进行金融时间序列分析，Commun非线性科学数值模拟，63，239-252（2018）·Zbl 07265243号
[46] 肖，M.X。；魏海川。；Xu，Y.J。；Wu，H.T。；Sun，C.K.，使用多尺度交叉近似熵评估正常和糖尿病受试者复杂性的R-R间期和波峰时间组合，熵，20497（2018）
[47] 周，R。；王，X。；万，J。；Xiong，N.，Edm-fuzzy:用于诊断工业系统故障的基于欧氏距离的多尺度模糊熵技术，IEEE Trans-Ind-Inf，17，4046-4054（2020）
[48] Shang，D。；Shang，P.J。；张志清，利用改进的交叉样本熵测度对复杂时间序列进行有效同步估计，《公共非线性科学数值模拟》，94，第105556页，（2021）·Zbl 1456.37092号
[49] 王，X。；Si，S。；Li，Y.，多尺度多样性熵：旋转机械故障诊断的一种新的动态测度，IEEE Trans-Ind-Inf，17，5419-5429（2020）
[50] 谢海波。；郑永平。；郭建勇。；Chen，X.，交叉模糊熵：测试二元时间序列模式同步的新方法，Inform Sci，1801715-1724（2010）
[51] Wu，Y。；尚，P.J。；Li，Y.，基于股市符号表示和相似性的多尺度样本熵和交叉样本熵，Commun非线性科学数值模拟，56，49-61（2018）·Zbl 1510.91160号
[52] 梅耶尔，C。；巴克勒，M。；Hortenhuber，M。；斯托克，C。；Holzinger，A。；Wassertheurer，S.，心率变异性数据中用于知识发现的熵测量参数的选择，BMC生物信息学，15，1-11（2014）
[53] 巴基罗夫，N.K。；里佐，M.L。；Székely，G.Z.，《独立性的多元非参数检验》，《多元分析杂志》，971742-1756（2006）·Zbl 1099.62042号
[54] 谢凯利，G.Z。；Rizzo，M.L.，《能源统计：基于距离的一类统计》，J Statist Plann Inference，143，8，1249-1272（2013）·Zbl 1278.62072号
[55] Edelmann，D。；Fokianos，K。；Pitsillou，M.，距离相关性及其在时间序列中的应用的最新文献综述，国际统计评论，87，237-262（2019）·Zbl 07763645号
[56] 盒子，G.E.P。；Jenkins，G.，《时间序列分析：预测与控制》（1970），霍尔顿日：美国旧金山霍尔顿日·Zbl 0249.62009号
[57] Wang，Y.Y。；Shang，P.J.，基于信息测度的多维标度金融股票市场分析，非线性动力学，891827-1844（2017）
[58] Shang，D。；Shang，P.J。；Liu，L.，基于广义复不变距离的复杂时间序列特征分类的多维尺度方法，非线性动力学，95875-892（2019）
[59] 拉卡萨，L。；Nunez，A。；Roldán，E。；Parrondo，J。；Luque，B.，《时间序列不可逆性：可见度图方法》，《欧洲物理杂志》B，85，217（2012）
[60] 毛晓刚。；Shang，P.J.，多元时间序列之间的传递熵，公共非线性科学数值模拟，47，338-347（2017）·Zbl 07257499号
[61] 毛晓刚。；Shang，P.J。；李庆林，复杂时间序列的多元多尺度复熵因果平面分析，非线性动力学，962449-2462（2019）·Zbl 1468.37056号
[62] Goldberger，A.L。；阿马拉，L.A.N。；玻璃，L。；Hausdorff，J.M。；伊万诺夫，P.C。；马克·R·G。；Mietus，J.E。；穆迪，G.B。；Peng，C.K。；Stanley，H.E.，Physiobank，《复杂生理信号新研究资源的生理工具包和生理网络组件》，《循环》，101，215-220（2000）
[63] UCR时间序列分类档案。https://www.cs.ucr.edu/电子束/时间序列数据_2018/。
[64] 雅虎财经-股市直播，商业和金融新闻报价。http://finance.yahoo.com。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。