用于检测时间序列信号数据中峰值簇的算法

Question

我有一个具有开/关数据的二进制时间序列数据集。这通常是短暂的，因此看起来像一个高峰。这是它的外观。

我已检测到的峰和所述峰之间提取的时间间隔和有数据为它太（在底部小红色2WAY箭头）。问题是，正如我们可以看到的那样，峰值是聚类的，而且我想要对脉冲群大小（群集中的峰值数量），交织间隔（第一个群集的最后一个峰值与第一个峰值之间的距离）进行量化最后一个集群），没有。爆炸等。

一旦识别出集群，这一切都很容易。这可以通过将interpeak间隔设置为大于某个值来轻松完成。但是，我的所有数据都没有这样明确定义的群集，而且这些群体的间隔时间差异很大。一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（不固定）阈值来识别群集。

有人可以帮助我一个相同的算法。

Answer 1

你的问题的答案是：不。没有人可以（但）用你想要的算法来帮助你。

问题是你没有很好的量化。当您无法确定群集是什么时，您需要一种可以识别群集的可靠算法。

我写了一个以前的答案，建议你看看从一个峰值到下一个值的比率。如果这个比率高于某个阈值，那么它是一个集群间的差距，否则它是一个集群内的差距。这可以工作，但它仍然有一个门槛。

问题是 - 你需要一个。你不能只注视每个图表，并说“哦，有一个群集。”如果您未定义群集，则无法识别群集。有办法让你的门槛更通用。该比率是让您避免缩放问题的更简单方法之一，并且通常是有效的。你可以看看滚动平均值。有各种各样的方式来处理你的数据，但是在那里的某个地方，你必须定义你想要的。即使你训练了一些人工智能，你最好应该用一个固定的标准去做什么是群集，哪些不是。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。一旦你可以量化群集对你意味着什么，你可以为它做一个算法。

开始通过回答这些问题：

• 多少峰至少需要定义一个集群？
• 峰值之间有最小或最大时间使其不是一个群集？相对于整个数据集时间的最短时间或最长时间如何？
• 群集之间是否有最小距离，使其成为两个而不是一个？

如果有帮助，看看这些简化的情节，以帮助你拿出你的答案。你能为每一个定义一个群集吗？

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

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

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

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

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