本文介绍了一种适用于多维观测序列的无参数变点分析方法，基于分层聚类提出了分裂和合并算法，应用于遗传学、金融和时空分析中。

Jun, 2013

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

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

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

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

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

研究了高维马尔可夫随机场模型中的变点估计问题，基于稀疏假设，最大化罚函数伪似然函数来获得变点估计，并在网络边数远远超过数据样本大小的情况下推导了一个紧密的估计界限，该估计方法在合成数据集上的性能已得到评估，并用于研究 1979-2012 年美国参议院的投票模式。

May, 2014

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