• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Journal of the Royal Society Interface >Time-dependent spectral analysis of epidemiological time-series with wavelets
【2h】

Time-dependent spectral analysis of epidemiological time-series with wavelets

机译：小波流行病学时间序列的时变频谱分析

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the current context of global infectious disease risks, a better understanding of the dynamics of major epidemics is urgently needed. Time-series analysis has appeared as an interesting approach to explore the dynamics of numerous diseases. Classical time-series methods can only be used for stationary time-series (in which the statistical properties do not vary with time). However, epidemiological time-series are typically noisy, complex and strongly non-stationary. Given this specific nature, wavelet analysis appears particularly attractive because it is well suited to the analysis of non-stationary signals. Here, we review the basic properties of the wavelet approach as an appropriate and elegant method for time-series analysis in epidemiological studies. The wavelet decomposition offers several advantages that are discussed in this paper based on epidemiological examples. In particular, the wavelet approach permits analysis of transient relationships between two signals and is especially suitable for gradual change in force by exogenous variables.
机译：在当前全球传染病风险的背景下，迫切需要更好地了解主要流行病的动态。时间序列分析已成为探索多种疾病动态的有趣方法。经典时间序列方法只能用于固定时间序列（统计属性不会随时间变化）。然而，流行病学时间序列通常是嘈杂的，复杂的并且非常不稳定。鉴于这种特殊的性质，小波分析显得特别有吸引力，因为它非常适合于分析非平稳信号。在这里，我们将小波方法的基本属性作为流行病学研究中进行时间序列分析的一种合适而优雅的方法进行回顾。基于流行病学实例，小波分解具有许多优点，本文将对此进行讨论。特别地，小波方法允许分析两个信号之间的瞬态关系，并且特别适合于通过外源变量逐渐改变力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号