我们提出了一种新的技术，称为野生二进制分割（WBS），用于一致估计数据中多个变化点的数量和位置。我们假设，随着样本量的增加，变化点的数量可以增加到无穷大。由于某种随机定位机制，WBS甚至可以在转换点和/或非常小的跳跃幅度之间非常短的间隔中工作，这与标准的二进制分割不同。另一方面，尽管WBS使用了本地化，但它不需要选择窗口或跨度参数，也不会显著增加计算复杂性。WBS也很容易编码。我们提出了WBS的两个停止准则：一个基于阈值，另一个基于我们所称的“强化Schwarz信息准则”。我们提供了程序参数的默认建议值，并表明与最新技术相比，它提供了非常好的实际性能。WBS方法在CRAN上提供的R包WBS中实现。

此外，我们还提供了一个新的证明，证明了二进制分割的一致性，提高了收敛速度，并给出了WBS的相应结果。