关于LE的疑问
在论坛上见到过许多LE的wolf程序，也找了些书看了看理论，但还是有许多地方不明白，相信也有许多和我一样刚接触LE的初学者不懂，希望在这里大家一起汇总讨论一下啊。问题1：用时间序列构造LE指数时需要求解两个参数，一个是时间延迟tau，一个是嵌入维数m。用CC算法求时间延迟时，会有参数叫最大时间延迟max_d，这个是什么意思，怎么选取啊。另外CC算法画出的图如何寻找时间延迟。
问题2：利用GP算法计算嵌入维数时也需要输入最大时间延迟max_d，这个参数和CC算法中的一样吗？另外在做线性拟合时，拟合区域应该如何选取啊，拟合后的图形如何寻找嵌入维数？
问题3：如何求解正确，是不是所求的嵌入维数应该等于方程的实际维数呢？
以上是我所遇到的一些疑问，希望高手们给予帮助，大家如果有什么好的见解或疑问也可以说说看，希望一起讨论能帮大家解除疑惑。 1.CC算法中，求时间延迟和嵌入维数时是根据最后得到的图来确定的，图中delt_s的第一个极小值就是最佳时间延迟tau，s_cor的最小值就是时间窗tw，然后利用公式tw=（m-1）*tau求出嵌入维数m；
我也暂时只能帮你解决这个问题。 回复 cqupenghao 的帖子
感谢cqupenghao的解答，另外我还想问一下，既然通过CC算法就能求解时间窗，进而用公式算出嵌入维数，那么还用GP算法求解什么，好像也是嵌入维数吧。
刚接触LE，好多地方不懂，这两天很头疼，呵呵
回复 hsfy919 的帖子
G-p算法用来求关联维数的，不过好像也可以用来求嵌入维数，但前提条件是时间延迟已知
围绕相空间重构过程中最佳嵌入维数m和最佳时间延迟τ的求解方法，国内外学者意见多不一致，但基本上分为两种观点,第1种认为两者是互不相关的,即τ和m 的选取可以独立进行（Taken证明了对于无限长的、无噪声干扰的时间序列,其τ和m是相互独立的）。现有的时间延迟和嵌入维的选择一般基于3种准则：①序列相关法,如自相关法、互信息量法和高阶相关法等；②相空间扩展法,如充填因子法、摆动量法、平均位移法、SVF法等；③复自相关法和去偏复自相关法；第2种观点则认为τ和m是相互关联的,因为现实中的时间序列都是有限长且不可避免地受到各种噪声的影响。大量实验表明,τ和m 的关系与重构相空间的时间窗τw 密切相关(τw =( m - 1)τ),对于特定的时间序列,其τw相对固定，τ和m的不恰当配对将直接影响重构后的相空间结构与原空间的等价关系，因此相应地产生了τ和m的联合算法,如时间窗口法、C-C法等。
页:
[1]