[发明专利]基于复杂网络的生物活动时间序列分析方法和装置

说明书

本发明提供一种基于复杂网络的生物活动时间序列分析方法和装置，所述方法包括：获取生物活动时间序列数据；通过复杂网络将生物活动时间序列数据转换为状态转移网络；获取状态转移网络的网络特征，其中，状态转移网络的网络特征包括：motif图；对网络特征进行分析，确定生物活动时间序列数据是否具有长程相关性。本发明的分析方法，通过对生物活动时间时序数据进行分析，得到生物的长程相关性，对例如医药领域中对生物注射药物进行试药时，能够根据生物的长程相关性判断药物的效果。

技术领域

本发明涉及复杂网络技术领域，具体涉及一种基于复杂网络的生物活动时间序列分析方法、一种基于复杂网络的生物活动时间序列分析装置、一种计算机设备和一种非临时性计算机可读存储介质。

背景技术

现有的对于生物（如小鼠）活动规律分析的研究大多基于时序领域做时间序列分析，揭示小白鼠在时域上的规律。然而这种规律已经不太能满足医学上用在生物上进行试药，来判断该药效在不同的年龄、身体健康程度的效果。

发明内容

本发明为解决上述技术问题，提供了一种基于复杂网络的生物活动时间序列分析方法，通过利用复杂网络将生物活动时间序列数据转换为状态转移网络，并根据状态转移网络的网络特征确定生物活动时间序列数据是否具有长程相关性，对例如医药领域中对生物注射药物进行试药时，能够根据生物的长程相关性判断药物的效果。

本发明采用的技术方案如下：

一种基于复杂网络的生物活动时间序列分析方法，包括以下步骤：获取生物活动时间序列数据；通过复杂网络将所述生物活动时间序列数据转换为状态转移网络；获取所述状态转移网络的网络特征；，其中，所述状态转移网络的网络特征包括：motif图；对所述网络特征进行分析，确定所述生物活动时间序列数据是否具有长程相关性。

根据本发明的一个实施例，通过复杂网络将所述生物活动时间序列数据转换为状态转移网络，包括：通过长度为第一预设值的滑动窗口沿时间序列数据从前向后滑动，以获取多个第一预设值的滑动窗口大小的时间序列片段；将每个时间序列片段中的每个数据作为一个节点，并将彼此可见的两个节点相互连接，构成邻接矩阵序列；将所述邻接矩阵序列中状态相邻的邻接矩阵相连，构成邻接矩阵状态链；遍历所述邻接矩阵状态链，当存在任意两个状态的邻接矩阵相同时，用前者状态对应的邻接矩阵代替后者状态对应的邻接矩阵，以构成状态转移网络。

根据本发明的一个实施例，通过下述公式确定两个节点x_a和x_b彼此可见：

其中，x_c表示处于节点x_a和节点x_b之间的每个节点，a，b，c分别表示所述生物活动时间序列数据中数据的位置。

根据本发明的一个实施例，所述状态转移网络的网络特征，包括：获取所述状态转移网络中每个节点的度；当某一个节点的度大于其余节点的度时，将该节点记为中心节点；随机重组所述生物活动时间序列数据的顺序，并将重组后的所述生物活动时间序列数据转换为状态转移网络；如果所述中心节点的度与重组后的状态转移网络中的该节点的度之间的比值大于预设阈值，则所述中心节点为motif图。