时空三极环境大数据平台

Welcome

通过增量集成和自主研发，构建大数据质量控制、自动建模与分析、数据挖掘及交互式可视化的方法库，形成高可靠性、高可扩展性、高效性和高容错性的工具库，实现三极环境多源异构、多粒度、多时相、长时间序列大数据的协同分析方法的集成和共享，以及高效和在线的大数据分析处理。

关系图
方法分类

机器学习

数据同化

参数估计

时间序列分析

确定性变化分析随机性变化分析

高级地统计

后处理

单模型后处理多模型后处理

因果分析

基于相关关系基于熵基于函数关系

传递熵

它其实就是一个条件分布带来的探测到时间序列间的不对称性。说的学术一点：传递熵是在错误假设传递概率函数为p(in+1|in(k)),而不是p(in+1|in(k),jn(l))的情况下，预测系统状态额外需要的信息。这个信息由Y到X和由X到Y是不对称，这种不对称就带来了，驱动和响应的关系的建立。不过他和granger 因果性检验之间的等价性在一篇工作中已经证明。而且传递熵能对非线性时间序列应用，对这种granger的因果性也很敏感。

2019-09-13 1097 查看详情
互信息

互信息(Mutual Information)是信息论里一种有用的信息度量，它可以看成是一个随机变量中包含的关于另一个随机变量的信息量，或者说是一个随机变量由于已知另一个随机变量而减少的不肯定性。

2019-09-15 1068 查看详情

点击方法名左侧的小圆圈可以查看方法详情