hctsa

<p align="center"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/88d23e47-8564-447d-bd5c-101fbd9a9757.png" alt="hctsa 标志" height="180"/></p> <h1 align="center"><em>hctsa</em></h1> <p align="center"> <a href="https://zenodo.org/badge/latestdoi/10790340"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/411774bd-b44f-4189-aa19-efec546f8cc7.svg" height="20"/></a> <a href="https://twitter.com/compTimeSeries"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/5a2f107e-ce76-4f8e-a676-27401096d78a.svg?style=social&label=关注%20%40compTimeSeries" height="20"/></a> <a href="https://creativecommons.org/licenses/by-nc-sa/4.0/"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/1aa32fbf-09ce-4c05-8b1f-1c101ff84e4e.svg" height="20"/></a> <a href="https://www.gnu.org/licenses/gpl-3.0"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/b192685d-08c2-413d-8dfc-34b6a0592ee6.svg" height="20"/></a> </p>

hctsa 是一个用于进行高度比较时间序列分析的 Matlab 软件包。 它从一系列单变量时间序列中提取数千个时间序列特征，并包含一系列用于可视化和分析所得时间序列特征矩阵的工具，包括：

1. 归一化和聚类时间序列数据；
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；以及
4. 拟合和评估多变量分类模型。

如需有关 hctsa 应用的建议，请随时给我发邮件 :nerd_face:

安装 :arrow_down:

对于_熟悉 git_ 的用户（推荐），请创建仓库的分支，然后将其克隆到本地机器。 要更新，在设置上游远程（git remote add upstream git://github.com/benfulcher/hctsa.git）后，可以使用 git pull upstream main。 要获取最新的工具箱（如优化的 catch22 特征集），你应该运行 git submodule update --init。

不熟悉 git 的用户可以通过点击绿色的"Code"按钮，然后点击"Download ZIP"来下载仓库。

下载后，你可以通过运行 install.m 脚本来安装 hctsa（详情请参阅文档）。

<!-- 我们建议在仓库之外工作，以便可以从上游仓库拉取增量更新。 -->

文档和 Wiki 📖

hctsa 的__全面文档__，从入门到更高级的分析，都可以在 GitBook 上找到。

wiki 上还有很多额外的信息，包括：

• :point_right: 关于替代特征集的信息（包括更快的 catch22），以及 R、Python 和 Julia 中可用的其他时间序列包的信息。
• :wavy_dash: 本项目的配套时间序列数据存档 CompEngine。
• :floppy_disk: 来自时间序列数据集的可下载 hctsa 特征矩阵，附带示例工作流程。
• :computer: 在计算集群上分布式运行 hctsa 计算的资源。
• :closed_book: 使用 hctsa 解决不同研究问题的出版物列表。
• :information_desk_person: 关于 hctsa 和相关基于特征的时间序列分析的常见问题。

致谢 :+1:

如果你使用这个软件，请阅读并引用这些开放获取的文章：

• 📗 B.D. Fulcher 和 N.S. Jones。hctsa：一个用于通过大规模特征提取进行自动时间序列表型分析的计算框架。Cell Systems：5，527（2017）。
• 📗 B.D. Fulcher，M.A. Little，N.S. Jones。高度比较的时间序列分析：时间序列及其方法的经验结构。J. Roy. Soc. Interface：10，83（2013）。 非常感谢您通过电子邮件、GitHub问题或拉取请求提供反馈。

如需商业使用_hctsa，包括许可和咨询，请联系Engine Analytics。_

许可证

内部许可证

该存储库的核心部分应用了两种许可证：

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。 可从Engine Analytics获得商业使用许可。

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。

存储库的Toolboxes目录中提供了一系列外部代码包，每个包都有自己的相关许可证（如下所述）。

外部包和依赖项

hctsa_中的许多特征依赖于外部包和Matlab工具箱。 如果其中一些不可用，仍然可以使用_hctsa，但只能计算一组有限的时间序列特征。

_hctsa_使用以下Matlab附加工具箱：统计和机器学习、信号处理、曲线拟合、系统识别、小波和计量经济学。

以下外部时间序列分析代码包随软件一起提供（在Toolboxes目录中），我们的主要特征提取算法使用它们从时间序列中计算有意义的结构特征：

• 用于非线性时间序列分析的_TISEAN_包，版本3.0.1（GPL许可证）。
• 用于非线性时间序列分析的_TSTOOL_包，版本1.2（GPL许可证）。
• Joseph T. Lizier的Java信息动力学工具包（JIDT），用于研究复杂系统中计算的信息理论度量，版本1.3（GPL许可证）。
• Michael Small开发的时间序列分析代码（无许可证）。
• Max Little的时间序列分析代码（GPL许可证）。
• 来自Physionet的样本熵代码（GPL许可证）。
• 用于AR模型估计的_ARFIT_工具箱（无许可证）。
• 用于高斯过程回归模型估计的_gpml_工具箱，版本3.5（FreeBSD许可证）。
• Danilo P. Mandic的延迟向量方差代码（GPL许可证）。
• 交叉重现图工具箱（GPL许可证）
• Zoubin Ghahramani的隐马尔可夫模型（HMM）代码（MIT许可证）。
• Danny Kaplan的嵌入统计代码（GPL许可证）。
• 来自Matlab Central的二维直方图代码（BSD许可证）。
• Rudy Moddemeijer的各种直方图和熵代码（无许可证）。

致谢 :wave:

非常感谢Romesh Abeysuriya帮助设置mySQL数据库和安装脚本，以及Santi Villalba提供了大量有用的反馈和建议。