用于检测时间序列信号数据峰值中的聚类的算法

Question

我有一个带开/关数据的二进制时间序列数据集。通常是短暂的，因此看起来像一个高峰。这就是它的外观。

我已检测到峰值并提取峰值之间的时间间隔，并且也有数据（底部的小红色2路箭头）。问题在于，可以看出，峰值是聚类的，我希望对突发大小（簇中峰的数量），突发间隔（第一簇的最后一个峰值和第一个峰值之间的距离）进行量化。最后一个集群），没有。爆发等等。

一旦识别出集群，这一切都很容易。这可以通过将峰值间隔阈值化为大于某个值来容易地完成。但是我的所有数据都没有这种定义明确的集群，而且爆发间隔变化很大。有些数据集甚至没有集群。所以我的主要问题是基于一些自动和相对（非固定）阈值来识别集群。

有人可以帮我解决相同的算法。

Answer 1

您的问题的答案是：否。没有人可以（还）帮助您获得所需的算法。

问题在于你没有很好的量化。当您无法识别群集时，您需要一种可以识别群集的可靠算法。

我之前的回答是建议您查看从一个峰值到下一个峰值的比率。如果该比率高于某个阈值，则它是簇间间隙，否则它是簇内间隙。这可行，但它确实有一个门槛。

问题是 - 你需要一个。你不能只关注每个图表，然后说“噢，那是一个集群。”＃34;如果您没有定义群集，则无法识别群集。有一些方法可以使您的阈值更通用;该比率是让您避免扩展问题的简单方法之一，并且通常是有效的。你可以看看滚动平均值。有各种各样的方法可以使用您的数据，但在那里的某个地方，您必须定义您想要的内容。即使你训练了一些人工智能，理想情况下你应该按照固定的标准来做这个问题，关于什么是集群，什么不是。一旦你有了固定的标准，你就不需要人工智能。

因此，定义一个集群。一旦您可以量化集群对您的意义，您就可以为它制定算法。

首先回答这些问题：

• 定义群集至少需要多少个峰？
• 峰值之间是否有最小或最大时间使其不是群集？相对于数据集整个时间的最小或最大时间如何？
• 群集之间是否存在最小距离，使其成为两个而不是一个？

如果有帮助，请查看这些简化图，以帮助您提出答案。你能为每一个定义一个集群吗？

..||.|.|.|.||

|.|.|.|.|.|.|

||..||..||..|

||....||....|

|...||||.....