Jun, 2011

多个变点检测的群融合 Lasso

PDF
TL;DR通过约束多维总变化的方法，我们提出了一种基于组合融合拉索的方法来探测一组共同出现的一维信号上的变化点，并提出了快速算法来解决相关的优化问题。我们给出了几个解决方案的条件，以确保算法在信号数量增加时保持一致性，并通过对模拟数据和基因组杂交数据的实证证据来支持这些结果。
group fused lassochange-points detectiontotal variation constraintoptimization algorithmsgenomic hybridization data
发现论文，激发创造
  • 利用融合拉索法进行变点检测

    本文分析了含分段常数均值和 / 或方差信号的 l1 惩罚最大似然估计的渐近性质，并建立了融合拉索信号逼近器的（近似的）稀疏一致性性质，重点研究了非平稳时间序列相对于这些模型参数的分段。

    Jan, 2014

  • 贝叶斯模型选择的变点检测和聚类

    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

  • 一种基于模型选择的核多变点算法

    本文研究基于核方法的变点问题，提出一种新的罚函数来选择变点数量，并探究该方法的非渐近贝叶斯界和测度集中性质。实验结果表明，该方法能够准确检测数据整体分布的变化，即使均值和方差固定。

    Feb, 2012

  • 分组融合图形 lasso 的块状常数高斯图模型的正则化估计

    本文提出了一种基于稀疏差异先验的正则化 M - 估计方法，通过估计图和变化点结构相结合，探讨了多变量时序的时间变化精度矩阵的动态条件依赖结构，以及其应对于稀疏依赖结构或平滑演化图结构的需求。此外，方法的扩张能使得在多个系统的依赖关系中进行变化点的估计，并提出了一种高效算法用于对结构的估计，最后，对两个真实世界数据集的定性影响以及合理性进行研究。

    Dec, 2015

  • 离线变点检测方法综述

    本文介绍了多变量时间序列离线检测的多个变点的算法。为了组织这个广泛的工作领域，采用了一种一般但有结构化的方法论策略。此次审查中考虑的检测算法由三个因素组成：成本函数、搜索方法和对变化数量的约束。对这些因素进行了描述、回顾和讨论。文中描述的主要算法的实现提供在名为 ruptures 的 Python 包中。

    Jan, 2018

  • 具有线性计算成本的最优变点检测

    本文提出一种新的方法来检测大型数据集中的多个变化点，通过找到代价函数的最小值，从而确定变化点的最优数量和位置，并且计算成本与现有方法相比显著降低。同时，与二进制分割算法相比，我们的方法可以显著提高数据推断分割的准确性。

    Jan, 2011

  • 顺序多传感器变点检测

    本文提出了一种混合过程，通过使用特定于流的广义似然比统计量来跟踪并检测数据流中的变化点，我们假定一开始的数据为独立标准正态随机变量。在变化点后，数据流的子集将具有非零平均值，这是我们需要检测和跟踪的。我们在分析中提出了 ARL 和 EDD 测量方法，通过数值实验得到了良好的结果。

    Jul, 2012

  • 融合 Lasso 的性质和改进

    本文研究了三个最小二乘程序及其渐近特性，提出了一种名为融合自适应 Lasso 的估计器，讨论了节省筛中 L1 范数和变化的最大总变差半范数，以及限制实现信号阻塞的数量和非零坐标的数量的另外两个估计量，推导了融合 lasso 和融合自适应 lasso 恢复真实块分区和稀疏模式的条件，并明确了筛选器的收敛速度与限良参数的关系。

    May, 2008

  • 多类别下的逆协方差估计联合图形拉索

    本文研究使用高维数据集对多个相关但不同的图形模型进行估计问题，在基于组织样本的基因表达数据的分析中应用联合图形 Lasso 方法，以获得更准确的网络和协方差结构估计。

    Nov, 2011

  • 具有价值风险应用的多尺度本地变点检测

    本篇论文提供一种新的建模和预测非平稳时间序列的方法，并将其应用于金融数据的波动率建模，方法基于局部同质性和局部变化点分析，解决了调整参数问题，该方法应用于数据集并与标准的 GARCH 模型进行比较，最后讨论了该方法在风险价值问题中的应用。

    Jun, 2009