概率符号模式识别（PSPR）PSPR是一种特征提取方法，它根据时间和频率考虑符号系列的变化。当应用于诸如生理数据的数值系列时，每个数字基于给定的阈值集用符号（通常是字母）表示。例如，随着时间的推移，一系列血压记录 80-90-100-80-110 以...代表 abcac 规则BP≤85是一个 ，85 b ，BP> 95 C 。一旦所有系列由符号表示，则获得系列如何随时间演变的概率模型。这些模型包括下一个符号在给定观察模式下采用特定值的概率。例如，P（ A | ABC ）是下一个符号的概率一个鉴于最后三个观察到的符号是 ABC 。最终特征被计算为这些概率模型系列与预先确定的参考系列之间的距离度量（例如欧几里得和马哈拉诺比斯）。这里的参考系列通常是案例或控件的子集。当案例用作参考系列时，PSPR特征表示给定系列与实际案例的相似（或不同）。
是否有人知道JMP中是否提供此类分析功能？
