该研究提出了一种强鲁棒性的 changepoint detection 方法，应用了 biweight loss 和动态规划算法，可用于在线数据分析和异常点去除，适用于诸如 well-log data、copy number variation 和无线设备篡改检测等领域。

Sep, 2016

本文提出了一种基于贝叶斯方法的在线检测突变点的算法，该算法针对在突变点前后的模型参数独立的情况，采用简单的信息传递算法计算了当前 “run” 的长度的概率分布，并在三个不同的真实数据集上进行了演示。

Oct, 2007

提出了一种基于图表示相似性的扫描统计学方法，适用于任何具有信息相似性度量的数据集，并提供了准确的分析逼近，用于检测和估计单个变化点和变化时间间隔，通过模拟发现该方法在数据维度中等到较高时比现有方法更具有优势，案例应用包括经典小说作者的确定和网络时间上变化的检测。

Sep, 2012

本论文提出了一种非参数极大似然方法来检测多变点问题，可以适用于数据序列中的任何分布变化，同时通过贝叶斯信息准则确定变点数，并通过动态规划算法和似然函数的内在顺序结构来估计变点位置，模拟研究结果表明，该方法在估计精度和计算时间方面具有令人满意的性能。

May, 2014

本文提出了一种基于非参数化惩罚最小二乘模型选择的算法来近似解决估计分段常量信号以检测其变化点和群集水平的新问题，并对其准确性进行了统计分析和实验验证。

Dec, 2019

在线线性动力系统中的变点检测方法，解决了时间序列属性突变检测的问题，包括未知动力学、时间相关性和多个变点时的检测准确度和延迟的理论保证。

Nov, 2023

离线变点检测通过识别时间序列中数据生成过程发生变化的点。我们针对至多一个变点的问题，提出使用概念矩阵来学习时间序列中指定训练窗口的特征动态。相关的随机循环神经网络作为数据的特征提取器，并通过特征化和代表性概念矩阵张成的空间之间的单变量距离来识别变点。这种模型无关的方法可以指引进一步研究的潜在兴趣点。我们证明，在温和的假设下，该方法提供了真实变点的一致估计，并通过原始数据的移动块自助法产生统计量的分位数估计。我们使用多类模拟数据对该方法进行测试，并通过聚类度量，图形方法和观察到的 Type 1 错误控制进行性能评估。我们将该方法应用于公开可用的大鼠神经数据，这些数据来自在探索放射迷宫之前经历非 REM 睡眠的阶段。

Aug, 2023

本文提出了两种既适用于小规模信号也适用于大规模信号的，基于再生核方法的突变检测算法。新算法在计算时间和内存使用方面具有较高的效率和精度，并且被证明是一种高度灵活的方法，可以用于复杂的生物数据分析。

Oct, 2017

该论文通过差分隐私的视角研究了变点检测的统计问题，并提供了在线和离线变点检测的私有算法，并对这些算法进行了理论分析和实证验证。

Aug, 2018

提出了一种在线方法，用于利用具有意义的表示和模糊推理系统检测和查询犯罪相关时间序列中的变点，并在犯罪数据集和金融数据集上进行了实证评估和比较分析。结果表明该方法能够以极低的计算成本准确检测变点，并且使任何领域的时间序列中特定变点的检测更加直观和易于理解。

Dec, 2023