Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:1704.02577

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:1704.02577 (q-bio)
[提交于 2017年4月9日 ]

标题: 高效且稳健的噪声时间序列多线性分析

标题: Efficient and Robust Polylinear Analysis of Noisy Time Series

Authors:Myrl G. Marmarelis
摘要: 提出了一种方法,用于在时间序列数据上生成若干连接的线性趋势段的最佳拟合。为了能够高效处理多条线,该方法采用了随机搜索过程来确定最佳过渡点位置。传统方法采用穷举网格搜索,这严重限制了它们可以应用的问题规模。所提出的方法被应用于具有严重噪声的时间序列以证明其鲁棒性,然后作为一个说明性示例应用于真实的医学数据。
摘要: A method is proposed to generate an optimal fit of a number of connected linear trend segments onto time-series data. To be able to efficiently handle many lines, the method employs a stochastic search procedure to determine optimal transition point locations. Traditional methods use exhaustive grid searches, which severely limit the scale of the problems for which they can be utilized. The proposed approach is tried against time series with severe noise to demonstrate its robustness, and then it is applied to real medical data as an illustrative example.
评论: 6页,9幅图
主题: 定量方法 (q-bio.QM) ; 计算 (stat.CO)
引用方式: arXiv:1704.02577 [q-bio.QM]
  (或者 arXiv:1704.02577v1 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.1704.02577
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Myrl Marmarelis [查看电子邮件]
[v1] 星期日, 2017 年 4 月 9 日 09:15:15 UTC (701 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-bio.QM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2017-04
切换浏览方式为:
q-bio
stat
stat.CO

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号