hctsa: 高度比较时间序列分析的强大工具包

hctsa简介

hctsa(highly comparative time-series analysis)是一款功能强大的MATLAB软件包,专门用于进行高度比较的时间序列分析。它能够从一系列单变量时间序列中提取成千上万的时间序列特征,并提供一系列可视化和分析工具来处理生成的时间序列特征矩阵。

hctsa的主要功能

1. 对时间序列数据进行归一化和聚类
2. 生成时间序列数据的低维表示
3. 识别和解释不同类别时间序列之间的区分特征
4. 拟合和评估多变量分类模型

hctsa已被广泛应用于多个领域的时间序列分析任务中,包括:

• 从脑电图(EEG)记录中分类癫痫发作
• 通过语音诊断帕金森病,用于精准医疗
• 监测睡眠阶段的进展
• 从脑成像数据预测精神分裂症
• 预测金融和生态系统中的灾难性事件
• 一般时间序列分类问题

hctsa的特征类型

hctsa包含的特征类型非常丰富多样,主要包括:

• 线性相关性(自相关、傅里叶谱密度)
• 信息论量(近似熵、样本熵、置换熵、自互信息)
• 模型拟合(AR、ARMA、GARCH、高斯过程回归、指数平滑、状态空间、HMM)
• 非线性时间序列分析(分形维数估计)
• 尺度(去趋势波动分析)
• 平稳性(滑动窗口测量、StatAv)
• 分布属性(偏度、对称性、分布类型)
• 基函数(小波)
• 其他测量(极端事件、可见性图、延迟向量方差)

安装与使用

安装方法

对于熟悉git的用户(推荐),可以通过以下步骤安装:

1. 在GitHub上fork项目仓库
2. 将仓库clone到本地机器
3. 设置上游远程仓库:git remote add upstream git://github.com/benfulcher/hctsa.git
4. 更新最新版本:git pull upstream main
5. 更新最新工具箱:git submodule update --init

不熟悉git的用户可以直接下载ZIP压缩包。

下载完成后,运行install.m脚本即可完成安装。

使用文档

hctsa提供了全面的文档,包括入门指南和高级分析教程,可在GitBook上查阅。

此外,项目的wiki页面也提供了大量额外信息,包括:

• 替代特征集(如更快的catch22)
• 其他可用的R、Python和Julia时间序列包
• 项目的时间序列数据存档CompEngine
• 可下载的hctsa特征矩阵和示例工作流
• 在计算集群上分布式运行hctsa的资源
• 使用hctsa解决不同研究问题的发表论文列表
• 关于hctsa和相关基于特征的时间序列分析的常见问题

引用与许可

引用

如果您使用了hctsa软件,请引用以下开放获取文章:

1. B.D. Fulcher and N.S. Jones. hctsa: A computational framework for automated time-series phenotyping using massive feature extraction. Cell Systems: 5, 527 (2017).

2. B.D. Fulcher, M.A. Little, N.S. Jones. Highly comparative time-series analysis: the empirical structure of time series and their methods. J. Roy. Soc. Interface: 10, 83 (2013).

许可

hctsa采用双重许可:

1. 运行hctsa分析和可视化的框架采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议。商业用途需从Engine Analytics获得许可。

2. 从时间序列数据计算特征的代码采用GNU通用公共许可证第3版。

致谢

hctsa的开发得到了众多人员的贡献,特别感谢:

• Romesh Abeysuriya在MySQL数据库设置和安装脚本方面的帮助
• Santi Villalba提供的大量有益反馈和建议

如果您对hctsa有任何问题或建议,欢迎通过GitHub issues或email与开发团队联系。我们非常重视用户的反馈,并将认真考虑每一条建议。

hctsa为时间序列分析提供了强大而全面的工具集,希望它能在您的研究中发挥重要作用!🚀