หากว่าใครมีอนุกรมเวลาซึ่งสามารถวัดต่าง ๆ เช่นระยะเวลาสูงสุดต่ำสุดเฉลี่ย ฯลฯ แล้วใช้สิ่งเหล่านี้เพื่อสร้างแบบจำลองคลื่นไซน์ที่มีคุณลักษณะเดียวกันมีวิธีการทางสถิติใดที่สามารถใช้วัดปริมาณได้ ข้อมูลจริงที่ตรงกับตัวแบบที่สันนิษฐานมากแค่ไหน จำนวนจุดข้อมูลในชุดข้อมูลจะอยู่ระหว่าง 10 ถึง 50 คะแนน
ความคิดแรกที่ง่ายที่สุดของฉันคือการกำหนดค่าให้กับทิศทางการเคลื่อนที่ของคลื่นไซน์เช่น +1 +1 +1 +1 -1 -1 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1 ทำแบบเดียวกันกับข้อมูลจริงจากนั้นก็หาค่าปริมาณของความคล้ายคลึงกันของทิศทางการเคลื่อนไหว
แก้ไข: ให้ความคิดกับสิ่งที่ฉันต้องการทำกับข้อมูลของฉันมากขึ้นและจากการตอบคำถามเดิมของฉันสิ่งที่ฉันต้องการก็คืออัลกอริทึมการตัดสินใจเลือกระหว่างสมมติฐานที่แข่งขันกัน: นั่นคือข้อมูลของฉันเป็นเส้นตรง (หรือ แนวโน้ม) ด้วยเสียงที่อาจมีองค์ประกอบที่เป็นวงจร ข้อมูลของฉันนั้นเป็นวัฏจักรที่ไม่มีแนวโน้มที่จะพูดถึง ข้อมูลนั้นเป็นเพียงแค่เสียงรบกวน หรือเป็นการเปลี่ยนแปลงระหว่างสถานะใด ๆ เหล่านี้
ความคิดของฉันตอนนี้อาจรวมรูปแบบของการวิเคราะห์แบบเบย์กับ Euclidean / LMS ขั้นตอนในวิธีการนี้จะเป็น
สร้างคลื่นไซน์ที่สันนิษฐานจากการวัดข้อมูล
ติดตั้ง LMS ให้ตรงกับข้อมูล
สืบทอด Euclidean หรือ LMS metric สำหรับการออกจากข้อมูลต้นฉบับสำหรับแต่ละข้อด้านบน
สร้าง Bayesian ก่อนสำหรับแต่ละตัวโดยยึดตามตัวชี้วัดนี้นั่นคือ 60% ของขาออกที่รวมกันยึดติดกับหนึ่ง, 40% ไปที่อีกอันหนึ่งดังนั้นนิยม 40%
เลื่อนหน้าต่างหนึ่งจุดข้อมูลไปตามข้อมูลและทำซ้ำข้างต้นเพื่อรับตัวชี้วัด% ใหม่สำหรับชุดข้อมูลที่เปลี่ยนแปลงเล็กน้อย - นี่คือหลักฐานใหม่ - ทำการวิเคราะห์แบบเบส์เพื่อสร้างภาพหลังและเปลี่ยนความน่าจะเป็นที่ยอมรับสมมติฐานแต่ละข้อ
ทำซ้ำตามชุดข้อมูลทั้งหมด (3000 จุดข้อมูล) ด้วยหน้าต่างเลื่อนนี้ (ความยาวหน้าต่าง 10-50 จุดข้อมูล) ความหวัง / ความตั้งใจคือการระบุข้อสันนิษฐานเด่น / เป็นที่โปรดปราน ณ จุดใด ๆ ในชุดข้อมูลและการเปลี่ยนแปลงนี้ตามเวลา
ความคิดเห็นใด ๆ เกี่ยวกับวิธีการที่เป็นไปได้นี้จะได้รับการต้อนรับโดยเฉพาะอย่างยิ่งเกี่ยวกับวิธีที่ฉันสามารถใช้ส่วนการวิเคราะห์แบบเบย์