Jan, 2018

离线变点检测方法综述

PDF
TL;DR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。
multiple change pointsmultivariate time seriesdetection algorithmscost functionpython package ruptures
发现论文，激发创造
  • 非监督式异质传感器信号变点检测

    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

  • 多元数据多重变点分析的非参数方法

    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

  • 变点检测算法评估

    本文介绍了一个用于评估现有的变点检测算法在现实世界数据上表现的数据集，并提出了应用于多个基础真实数据的基准研究，旨在成为新变点检测算法的试验场。

    Mar, 2020

  • 概念器的变点检测

    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

  • 贝叶斯在线变点检测

    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

  • 在线具有有限样本保证的线性动力系统变点检测

    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

  • 基于心脏时间序列的变点检测算法基准测试

    该研究针对生物医学时间序列的状态变化模式与健康或疾病之间的关系，提出了一种有原则的选择特定任务的变点检测算法的方法，并在实际的心血管时间序列数据中评估了八种关键算法的性能。最终，从检测到的变点中提取特征，使用 K 近邻方法对 RBD 患者和健康对照组进行分类，表明选择合适的变点检测算法对于应用性能有着重要影响。

    Apr, 2024

  • 异常点存在下的变点检测

    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

  • 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

  • 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