概率符號模式識別（PSPR）PSPR是一種特徵提取方法，它根據時間和頻率考慮符號系列的變化。當應用於諸如生理數據的數值系列時，每個數字基於給定的閾值集用符號（通常是字母）表示。例如，隨著時間的推移，一系列血壓記錄 80-90-100-80-110 以...代表 abcac 規則BP≤85是一個 ，85 b ，BP> 95 C 。一旦所有系列由符號表示，則獲得系列如何隨時間演變的概率模型。這些模型包括下一個符號在給定觀察模式下採用特定值的概率。例如，P（ A | ABC ）是下一個符號的概率一個鑑於最後三個觀察到的符號是 ABC 。最終特徵被計算為這些概率模型系列與預先確定的參考系列之間的距離度量（例如歐幾里得和馬哈拉諾比斯）。這裡的參考系列通常是案例或控件的子集。當案例用作參考系列時，PSPR特徵表示給定係列與實際案例的相似（或不同）。
是否有人知道JMP中是否提供此類分析功能？
