[发明专利]基于可视角度测算的时间序列加权复杂网络构建方法

说明书

一种基于可视角度测算的时间序列加权复杂网络构建方法，首先将时间序列的数据点定义为网络节点，然后通过分析各数据点之间是否满足可视准则确定节点之间的连边，最后计算存在连边的数据点可视角度大小作为节点之间的连边权重，从而构建了时间序列加权复杂网络。本发明的基于可视角度测算的时间序列加权复杂网络构建方法，能更精确地刻画原始时间序列数据点之间的关系，其网络特性能更准确、灵敏地反映不同信号之间的细微差异。

技术领域

本发明涉及一种基于时间序列的复杂网络分析方法。特别是涉及一种基于可视角度测算的时间序列加权复杂网络构建方法。

背景技术

近年来，科研工作者发现基于时间序列的复杂网络分析方法不仅能够挖掘出隐藏在非线性时间序列中的重要信息，而且便于研究理论模型难以精确描述的复杂非线性系统，为不同类型的复杂动力学系统研究提供了全新的视角，因此受到了各领域研究学者的广泛关注。在小世界网络和无标度网络的开创性工作之后，不同的时间序列复杂网络建网方法被相继提出并已成功应用于众多复杂动力学系统的研究中，例如脑神经网络、万维网、交通网络、社交网络等。

复杂网络分析方法是对复杂系统的一种抽象和描述，所谓网络就是由节点和连边组成，其中节点表示复杂系统的元素，连边表示不同元素之间的相互作用。经典的复杂网络构建方法主要有：相空间复杂网络(递归复杂网络)构建方法、信号片段相关复杂网络构建方法和可视图复杂网络构建方法等。相空间复杂网络是通过选取合适的嵌入维数和延迟时间，将原始时间序列转化为一组多维向量，将这些向量作为复杂网络的节点，然后依据向量之间的相似性确定网络节点的连边，从而确定网络的邻接矩阵，该方法在嵌入维数的选取和延迟时间的估算上存在不稳定因素，且连边的最佳阈值难以确定；信号片段相关复杂网络构建方法是将测量信号中的序列片段作为节点，用片段间的相关性强度决定节点间的连边，从而构造动力学复杂网络，该方法同样难以准确地确定最佳的连边阈值；可视图建网方法是将数据点定义为网络节点，数据点之间满足可视性准则的连线定义为网络连边，相比前两种方法，可视图建网方法避开了阈值选取的难题，算法鲁棒性较好，但是这种建网方法将系统元素之间的关系，即有关联和没关联，简单地映射为网络中的“1”和“0”，即有连边和无连边，忽略了系统各元素之间关联程度的差异，导致该方法无法精确地刻画动态系统的内部特性。

经典的递归复杂网络建网需要经过繁琐的过程确定延迟时间、嵌入维数和阈值等优化参数，基于信号片段的复杂网络建网都存在阈值优化问题。

经典的时间序列复杂网络建网方法把动力学系统中元素间的复杂关系简单表示为“0”或“1”关系，忽略了元素间关联程度的差异，使得其网络特性参数不能精确反映复杂系统的内在属性，导致时间序列分类和识别性能很差。

发明内容

本发明所要解决的技术问题是，提供一种能更精确地刻画原始时间序列数据点之间的关系的基于可视角度测算的时间序列加权复杂网络构建方法。

本发明所采用的技术方案是：一种基于可视角度测算的时间序列加权复杂网络构建方法，首先将时间序列的数据点定义为网络节点，然后通过分析各数据点之间是否满足可视准则确定节点之间的连边，最后计算存在连边的数据点可视角度大小作为节点之间的连边权重，从而构建了时间序列加权复杂网络，包括如下步骤：

1)定义网络的节点，对于原始时间序列(t_i,x_i)，用直方条表示时间序列中的数据点，直方条的高度代表序列中数据数值的大小，进而将数据点定义为网络的节点，其中i＝1,…,n，表示时间序列上的点的位置；