位置: IT常识 - 正文
将时间序列转成图像——马尔可夫转移场方法 Matlab实现(将时间序列转化为图像)
编辑：rootadmin目录
1 方法
2 Matlab代码实现
3 结果
推荐整理分享将时间序列转成图像——马尔可夫转移场方法 Matlab实现(将时间序列转化为图像)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:将时间序列转化为图像,时间序列转成图形数据结构,如何将时间序列变成面板数据,时间序列怎么用,把数据转化为时间序列数据,时间序列转成图形数据结构,时间序列转成图形数据结构,时间序列转成图形数据结构,内容如对您有帮助，希望把文章链接给更多的朋友！
【若觉文章质量良好且有用，请别忘了点赞收藏加关注，这将是我继续分享的动力，万分感谢！】
其他：
1. 时间序列转二维图像方法及其应用研究综述_vm-1215的博客-CSDN博客
2.将时间序列转成图像——格拉姆角场方法 Matlab实现_vm-1215的博客-CSDN博客
3.将时间序列转成图像——递归图方法 Matlab实现_vm-1215的博客-CSDN博客
4.将时间序列转成图像——图形差分场方法 Matlab实现_vm-1215的博客-CSDN博客
5.将时间序列转成图像——相对位置矩阵方法 Matlab实现_vm-1215的博客-CSDN博客
1 方法马尔可夫转移场（Markov Transition Field, MTF）是基于马尔可夫转移矩阵的一种时间序列图像编码方法。该方法将时间序列的时间推移看成是一个马尔可夫过程，即：在已知目前状态的条件下，它未来的演变不依赖于它以往的演变，由此构造马尔可夫转移矩阵，进而拓展为马尔可夫转移场，实现图像编码。
对于时间序列，其图像编码步骤如下：
将时间序列分成个分位箱（标记为,每个分位箱内的数据量相同）；将时间序列中每一个数据更改为其对应的分位箱的序号；构造转移矩阵（表示分位箱i转移到分位箱j的频率）：
构造马尔可夫转移场：
2 Matlab代码实现clcclearclose all%% 生成数据% speed = xlsread('3_1_link6_28_5_30min.csv');speed = xlsread('3_1_link1_1_5_30min.csv');X = speed;m = length(X);%数据初始化[0,1]X = (X - min(X))/(max(X) - min(X));%% 构造转移矩阵WN = length(X);% 分出Q个分位箱（按照个数），从小往大：1、2、3、4Q = 4;% X_Q把每个元素标记为分为箱1、2、3、4，X_Q = ones(1,N);j = 0;% 初始化kk = ones(1,Q+1);for i = 2 : Q+1 % 循环计算小于j的数据个数，达到阈值时跳出循环 while( sum(X < j) < N * (i-1) / Q) j = j + 0.0001; end % 记录每一个分位箱的阈值 k(i) = j; % 将原先的数据向量变成对应的分位箱次序向量 X_Q(find(X < k(i) & X > k(i-1))) = i-1;end%% 计算马尔可夫矩阵sum_14 = 0;sum_13 = 0;sum_24 = 0;sum_12 = 0;sum_23 = 0;sum_34 = 0;sum_11 = 0;sum_22 = 0;sum_33 = 0;sum_44 = 0;sum_21 = 0;sum_32 = 0;sum_43 = 0;sum_31 = 0;sum_42 = 0;sum_41 = 0;for i = 1:N-1 switch(X_Q(i) - X_Q(i+1)) case -3 sum_14 = sum_14 + 1; case -2 switch(X_Q(i)) case 1 sum_13 = sum_13 + 1; case 2 sum_24 = sum_24 +1; end case -1 switch(X_Q(i)) case 1 sum_12 = sum_12 + 1; case 2 sum_23 = sum_23 + 1; case 3 sum_34 = sum_34 + 1; end case 0 switch(X_Q(i)) case 1 sum_11 = sum_11 + 1; case 2 sum_22 = sum_22 + 1; case 3 sum_33 = sum_33 + 1; case 4 sum_44 = sum_44 + 1; end case 1 switch(X_Q(i)) case 2 sum_21 = sum_21 + 1; case 3 sum_32 = sum_32 + 1; case 4 sum_43 = sum_43 + 1; end case 2 switch(X_Q(i)) case 3 sum_31 = sum_31 + 1; case 4 sum_42 = sum_42 + 1; end case 3 sum_41 = sum_41 + 1; endendW = [sum_11 sum_12 sum_13 sum_14; sum_21 sum_22 sum_23 sum_24; sum_31 sum_32 sum_33 sum_34; sum_41 sum_42 sum_43 sum_44];W = W./repmat(sum(W),[4,1])M = zeros(N,N);for i = 1: N for j = 1:N M(i,j) = W(X_Q(i),X_Q(j)); endendfigure(1)plot(X)hold onfor i = 2 : Q plot(1:N,ones(1,N)*k(i),'linewidth',1.5); hold on;endim = figure(2);imagesc(M)saveas(im,'MTF_1.bmp');saveas(figure(1),'MTF_01.bmp');3 结果
【若觉文章质量良好且有用，请别忘了点赞收藏加关注，这将是我继续分享的动力，万分感谢！】
上一篇：OpenAI创始人：GPT-4的研究起源和构建心法(openai创始人阿尔特曼 取向)
