我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
本文提出了一种基于隐马尔可夫方法的贝叶斯多变点模型。Dirichlet过程隐马尔可夫模型不需要指定变化点的数量先验的因此,与全参数贝叶斯模型相比,我们的模型对模型规范具有鲁棒性。我们提出了一种通用的马尔可夫链蒙特卡罗算法,该算法只需对变化点周围的状态进行采样。对方差已知和未知的正态均值漂移模型的仿真表明了该方法的优点。提供了两个应用程序,即煤炭开采灾害数据和实际美国国内生产总值增长。我们检测到灾难数据和美国GDP增长的单一变化点。这两个应用程序的所有变点位置和后验推断都符合现有方法。
斯坦利·I.M.Ko。 特伦斯·T·L·钟。 普拉克·戈什。 “Dirichlet过程隐马尔可夫多变点模型。” 贝叶斯分析。 10 (2) 275 - 296, 2015年6月。 https://doi.org/10.1214/14-BA910