Abstract: C. Nie (2020)

Characterizing the relationship between time series is an important issue in many fields, in particular, in many cases there is a nonlinear correlation between series. This paper provides a new method to study the relationship between time series using the perspective of complex networks. This method converts a time series into a distance matrix and constructs a sequence of nearest neighbor networks, so that the nonlinear relationship between time series is expressed as similarity between networks. In addition, based on the surrogate series, we applied Z-score to characterize the level of significance and analyzed some benchmark models. We not only use the artificial dataset and the real dataset to verify the effectiveness of the proposed method, but also analyze its robustness, which provides an alternative method for detecting nonlinear relationships.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Nonlinear Correlation Analysis of Time Series Based on Complex Network Similarity