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

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

本文介绍无监督变点检测技术，该方法适用于处理各种数据源，无需大量标注数据，并针对多项评估标准比较不同算法。

May, 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

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

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

本文提出了一种基于变点的高频数据统计方法，重点关注离散观察的 Itō半鞅序列的波动性，并构建最小化方法来区分连续的路径和包含波动性跳跃的路径，从而推断波动性的平滑性和变化。

Jan, 2015

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

研究提出一种基于 Wilcoxon 秩统计量的新型非参数双样本同质性检验方法，可以检验多元数据的同质性，并可以扩展到处理有序或被审查的数据，以及测试两个以上样本数据的同质性。另外，该方法用于回顾性的变点分析，并且可以处理数据中包含的异常值或噪声，并且只影响某些数据点的情况下，其表现非常可靠和健壮。

Jul, 2011