我试图检测时间序列数据集是否具有全局频率变化。我觉得计算平均(或中值)成对相干性没有抓住重点,因为我试图衡量网络(即多变量,而不是成对)相干性。我发现了一个组[1],它使用第一个奇异值与所有其他奇异值的相对大小来计算他们所谓的“全局一致性”。奇异值来自成对相干矩阵的奇异值分解 (SVD)。
在线搜索并没有出现更多。有什么想法吗?
我试图检测时间序列数据集是否具有全局频率变化。我觉得计算平均(或中值)成对相干性没有抓住重点,因为我试图衡量网络(即多变量,而不是成对)相干性。我发现了一个组[1],它使用第一个奇异值与所有其他奇异值的相对大小来计算他们所谓的“全局一致性”。奇异值来自成对相干矩阵的奇异值分解 (SVD)。
在线搜索并没有出现更多。有什么想法吗?
似乎,冒着写出老生常谈的风险,任何多变量测量都必须对系统的所有独立组件敏感。
第一个奇异值与所有奇异值之和的相对比率就是这样一种度量。另一个是奇异值矩阵的行列式。使用 SVD 确实假设系统可以完全由可分离为线性交互实体的部分来描述。
总而言之,尽管全局连贯性抓住了多变量测量的本质,并且对噪声不太敏感,但其他的只是主题的变化而不是细化。