Mar, 2024

基于上置信区间的自相关数据的部分可观测序贯变点检测

PDF
TL;DR基于状态空间模型和自适应采样策略的自适应上置信域方案用于部分可观测多传感器顺序变点检测，并通过广义似然比检验开发变点检测方案，理论分析了其侦测能力与自适应采样策略的关联，并通过合成数据和真实数据的数值研究证明了方法的有效性。
sequential change point detectionmultivariate autocorrelated datapartially observable multi-sensor detectionstate space modeladaptive sampling policy
发现论文，激发创造
  • 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

  • 具有模型选择的时空贝叶斯在线变点检测

    本文介绍了对贝叶斯在线变点检测的推广，包括在线模型选择和非平稳时空过程。我们提出了空间结构化 Vector Autoregressions (VARs)，用于建模变点 (CPs) 之间的过程，并给出了此类模型的近似误差上限。所得的算法在线进行预测、模型选择和 CP 检测。其时间复杂度是线性的，空间复杂度是恒定的，因此比最接近的竞争者快两个数量级。此外，它在多元数据方面优于现有技术。

    May, 2018

  • 基于变化检测的分段静态多臂赌博机问题框架

    本文研究基于变点检测的多臂赌博机问题，提出了使用累积和和 Page-Hinkley 测试进行变点检测的 UCB 策略，并展示了在伯努利奖励和 Yahoo 数据集上的性能测试结果。

    Nov, 2017

  • 将顺序变化检测简化为顺序估计

    通过使用置信序列，我们将时序变化检测简化为时序估计，并在所有活动置信序列的交集为空时宣布变化。我们证明了平均运行长度至少为 1/α，从而实现了具有最小结构假设但具有强有力保证的变化检测方案。

    Sep, 2023

  • 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

  • 最快变点检测方法实现实时金融监控

    本研究使用基于极大似然比的 Shiryaev-Roberts 程序提出了一种半参数多周期变点检测程序，用于在实时监测的金融时间序列中高效检测结构性突变（异常）。在基于真实世界的金融数据的统计分析和比较中，该程序的效果略优于传统的累积和图（CUSUM）检测程序。

    Sep, 2015

  • 高斯过程的最优变点检测

    该研究探讨了一维高斯过程数据的均值变化检测问题，并提出了基于广义似然比检验的检测方法，该方法在固定域和增长域的两个设置中都几乎渐近地达到最优水平，主要特点是充分利用了高斯过程协方差结构所捕捉到的数据依赖性，即使协方差未知，我们也提出了插件 GLRT 方法，并推导出了该方法仍然渐近近似最优的条件。

    Jun, 2015

  • 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

  • 一种基于 KCUSUM 的实时自适应采样变点检测算法评估

    通过引入基于核的累加和（KCUSUM）算法，我们扩展了传统累加和（CUSUM）方法，使之具备了针对高容量数据场景下在线变点检测的能力，并在仅有参考样本的情况下，通过与参考样本的比较来检测数据中与参考样本的偏离情况，从而在实时数据流中检测突变。

    Feb, 2024

  • 基于双样本 U - 统计量的依赖关系突变点检测

    研究时间序列中的变点检测，基于 Wilcoxon 双样本检验统计量提出了一种针对异常值鲁棒的检验方法，通过两样本 U 统计的函数中心极限定理得到其渐近分布，同时扩展了 Csorgo 和 Horvath 定理到相关数据的情况。

    Apr, 2013