Zeitreihengruppierung über Inter-Netzwerk-Heterogenität

Die Zeitreihengruppierung ist ein bedeutendes Forschungsgebiet mit breiten Anwendungen. Angesichts der Komplexität und Vielfalt zeitgenössischer Zeitreihendaten stellen wir eine neuartige Methode zur Zeitreihengruppierung vor, die auf Inter-Netzwerk-Heterogenität basiert. Zunächst wandeln wir jede Zeitreihe in ein Netzwerk um, indem wir zwei Arten von Zeitreihensegmentierungsmethoden verwenden. Anschließend führen wir eine Inter-Netzwerk-Gruppierungstechnik basierend auf der spektralen Theorie von Graphen ein. Durch die Messung der totalen Variation (TV) Distanz zwischen der empirischen spektralen Verteilung jedes Netzwerks identifizieren wir verschiedene Cluster, indem wir eine hierarchische Gruppierungsmethode verwenden. Unser Ansatz bewahrt effektiv eine größere Anzahl von charakteristischen Merkmalen, die im ursprünglichen Zeitreihe enthalten sind. Zur Bewertung der Leistung unserer Methode werden Simulationsstudien einschließlich der Erkennung sowohl stationärer als auch nicht stationärer Sequenzen durchgeführt. Unser Ansatz funktioniert auch gut bei realen Datensätzen, wie z. B. den Schlusskursen von Aktien und Daten des Schlaf-Elektroenzephalogramms (EEG). Diese Ergebnisse zeigen, dass unser Ansatz in der Lage ist, nicht stationäre Sequenzen zu verarbeiten und die intrinsischen Korrelationen in Zeitreihen zu identifizieren.