基于复杂网络理论的心电时间序列自回归模型研究
发布时间:2021-10-01 01:16
近年来,随着复杂网络在理论、工程等各个领域的广泛应用,从时间序列到复杂网络的转换方法开始定义各种规则将时间序列的各种信息转换保留于复杂网络的节点和连边中,并分析相应网络的指标来反映时间序列的特征,为时间序列的处理提供了一种全新的角度。本文回顾了从时间序列到复杂网络的代表性算法:周期网络、递归网络、可视图算法、频率-度算法和随机游走网络。我们分析了这些算法的特点,并总结了相关的应用。对此提出了新的算法,并将新算法应用于心电信号的处理分析。基于对前人算法的总结归纳,我们利用自回归模型描述时间片段,将时间片段向量对应转换为网络中的节点,通过自回归模型中的系数定义了节点之间的传递系数,自适应三角形法巧妙界定了节点之间的有向连边;网络中的节点带有了时间标签,网络的连边具有符合时间顺序的有向性,反应了节点之间的有向时延传递信息。自回归模型转换算法建立的有向网络中,不同的有向子图反映不同的时延传递模式;同时我们回顾了关于心电信号检测和预测方面的研究现状和背景。将三节点的有向子图比例用于检测区分心室颤动信号和窦性心律信号,并且将检测区分的结果同现有存在的代表性算法进行比较;同时设计指标用于预测心室颤动...
【文章来源】:复旦大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】:70 页
【学位级别】:硕士
【部分图文】:
图1.2周期网络算法示意图[58]??如1.2左图便是将时间序列进行伪周期化,每个伪周期用不同颜色表示,相??
Time?Node??图1.2周期网络算法示意图[58]??如1.2左图便是将时间序列进行伪周期化,每个伪周期用不同颜色表示,相??应转换为不同图形不同颜色表示的节点,设定相关系数阔值^?=?0.7,节点连边??情况如1.2右图所示。线性相关系数较大的两个周期在相空间距离上也会是相近??的,本质上来说这两个参量是成反此的,可L:A等效使用。周期网络算法发现带噪??声的正弦周期信号映射为随机网络;混浊Rossler系统的X分量映射的网络呈现??出无标度和小世界网络特征。在[43]文中对各种参量进行了详细讨论。??张捷和Michael?Small[19报出的周期网络算法,借助于线性相关系数将人体??的也电图转换为相应网络,研究发现健康个体的也电图对应形成的周期网络有别??于冠屯、病患者的也电图形成的周期网络。??如图1.3所示,将两种个体的屯、电时间序列映射为网络,其二维度分布呈现??一定程度的差异:冠也病患者的二维度分布呈现出更为明显的波动,健康者的分??布则表现得出更为平滑。定义指标公来衡量这种波动
Time?Node??图1.2周期网络算法示意图[58]??如1.2左图便是将时间序列进行伪周期化,每个伪周期用不同颜色表示,相??应转换为不同图形不同颜色表示的节点,设定相关系数阔值^?=?0.7,节点连边??情况如1.2右图所示。线性相关系数较大的两个周期在相空间距离上也会是相近??的,本质上来说这两个参量是成反此的,可L:A等效使用。周期网络算法发现带噪??声的正弦周期信号映射为随机网络;混浊Rossler系统的X分量映射的网络呈现??出无标度和小世界网络特征。在[43]文中对各种参量进行了详细讨论。??张捷和Michael?Small[19报出的周期网络算法,借助于线性相关系数将人体??的也电图转换为相应网络,研究发现健康个体的也电图对应形成的周期网络有别??于冠屯、病患者的也电图形成的周期网络。??如图1.3所示,将两种个体的屯、电时间序列映射为网络,其二维度分布呈现??一定程度的差异:冠也病患者的二维度分布呈现出更为明显的波动,健康者的分??布则表现得出更为平滑。定义指标公来衡量这种波动
本文编号:3416964
【文章来源】:复旦大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】:70 页
【学位级别】:硕士
【部分图文】:
图1.2周期网络算法示意图[58]??如1.2左图便是将时间序列进行伪周期化,每个伪周期用不同颜色表示,相??
Time?Node??图1.2周期网络算法示意图[58]??如1.2左图便是将时间序列进行伪周期化,每个伪周期用不同颜色表示,相??应转换为不同图形不同颜色表示的节点,设定相关系数阔值^?=?0.7,节点连边??情况如1.2右图所示。线性相关系数较大的两个周期在相空间距离上也会是相近??的,本质上来说这两个参量是成反此的,可L:A等效使用。周期网络算法发现带噪??声的正弦周期信号映射为随机网络;混浊Rossler系统的X分量映射的网络呈现??出无标度和小世界网络特征。在[43]文中对各种参量进行了详细讨论。??张捷和Michael?Small[19报出的周期网络算法,借助于线性相关系数将人体??的也电图转换为相应网络,研究发现健康个体的也电图对应形成的周期网络有别??于冠屯、病患者的也电图形成的周期网络。??如图1.3所示,将两种个体的屯、电时间序列映射为网络,其二维度分布呈现??一定程度的差异:冠也病患者的二维度分布呈现出更为明显的波动,健康者的分??布则表现得出更为平滑。定义指标公来衡量这种波动
Time?Node??图1.2周期网络算法示意图[58]??如1.2左图便是将时间序列进行伪周期化,每个伪周期用不同颜色表示,相??应转换为不同图形不同颜色表示的节点,设定相关系数阔值^?=?0.7,节点连边??情况如1.2右图所示。线性相关系数较大的两个周期在相空间距离上也会是相近??的,本质上来说这两个参量是成反此的,可L:A等效使用。周期网络算法发现带噪??声的正弦周期信号映射为随机网络;混浊Rossler系统的X分量映射的网络呈现??出无标度和小世界网络特征。在[43]文中对各种参量进行了详细讨论。??张捷和Michael?Small[19报出的周期网络算法,借助于线性相关系数将人体??的也电图转换为相应网络,研究发现健康个体的也电图对应形成的周期网络有别??于冠屯、病患者的也电图形成的周期网络。??如图1.3所示,将两种个体的屯、电时间序列映射为网络,其二维度分布呈现??一定程度的差异:冠也病患者的二维度分布呈现出更为明显的波动,健康者的分??布则表现得出更为平滑。定义指标公来衡量这种波动
本文编号:3416964
本文链接:https://www.wllwen.com/yixuelunwen/xxg/3416964.html
最近更新
教材专著