摘要
现代多尺度类型分割方法以高统计精度检测多个变化点,同时允许快速计算。支撑(minimax)估计理论主要是针对假设信号为分段常数函数的模型开发的。本文针对大量的多尺度分割方法(包括各种现有的过程),将这种理论扩展到非参数回归设置中步进函数以外的某些函数类。这一方面扩展了此类方法的解释,另一方面揭示了这些方法对分段常数函数的偏差具有鲁棒性。我们的主要发现是对通用阈值的非线性近似类的适应性,其中包括有界变差函数,以及作为特殊情况的光滑阶$0<\alpha\le1$的(分段)Hölder函数。从这一点出发,我们得出了特征检测在跳跃和模式方面的统计保证。另一个关键发现是,这些多尺度分割方法的性能几乎达到了(对数因子)、oracle分段常数分割估计器(具有已知的跳跃位置)以及(未知)真实信号的最佳分段常数近似。理论结果通过各种数值模拟进行了检验。
引用
下载引文
李家。
青海郭。
阿克塞尔·蒙克。
“多尺度变点分割:超越步骤功能。”
电子。J.统计。
13
(2)
3254至3296,
2019
https://doi.org/10.1214/19-EJS1608
信息
收到日期:2019年1月1日;发布时间:2019年
欧几里得项目首次推出:2019年9月25日
数字对象标识符:10.1214/19-EJS1608
学科:
主要用户:62G08号,6220国集团,62G35型
关键词:自适应估计,近似空间,变点回归,跳跃检测,型号规格错误,多尺度推理,Oracle不平等,稳健性