工作分解结构

多变化点检测的野二值分割。我们提出了一种新的技术,称为野生二元分割(WBS),用于一致估计数据中多个变化点的数量和位置。我们可以假设样本点的数目会随着样本大小的无限大而变化。由于某种随机定位机制,WBS甚至可以在变化点和/或非常小的跳跃幅度之间的间隔很短的情况下工作,这与标准的二进制分割不同。另一方面,尽管WBS使用了局部化,但它不需要选择窗口或跨度参数,也不会导致计算复杂度的显著增加。WBS也很容易编写代码。我们提出了两个WBS停止准则:一个基于阈值分割,另一个基于我们称之为“强化的Schwarz信息准则”。我们提供了程序参数的默认建议值,并表明与现有技术相比,它具有非常好的实际性能。WBS方法在R包WBS中实施,可在CRAN上获得。{par}此外,我们提供了一个新的证明二元分割的一致性和改进的收敛速度,以及相应的结果WBS。


zbMATH中的参考文献(参考 50篇文章 引用,1标准件)

显示第1到第20个结果,共50个。
按年份排序(引文)
  1. 费舍尔,奥雷利;皮卡德,多米尼克:关于索波列夫稀疏性下的变点估计(2020)
  2. 吕康平;张绍东:多相回归模型的稳健算法(2020)
  3. Vincent Runge、Toby Dylan Hocking、Gaetano Romano、Fatemeh Afghah、Paul Fearnhead、Guillem Rigaill:gfpop:A R包用于单变量图约束的变化点检测(2020)阿尔十四
  4. Wang,Daren;Yu,Yi;Rinaldo,Alessandro:单变量平均变点检测:惩罚、CUSUM和最优性(2020)
  5. 庄丹;刘友波;刘双哲;马铁峰;翁胜华:一种基于形状的多变化点检测切割与聚类算法(2020)
  6. 邹长亮;王广辉;李润泽:通过样本分裂一致选择变化点数量(2020年)
  7. Andreas Anastasiou,Piotr Fryzlewicz:通过分离单个变化点检测多个广义变化点(2019)阿尔十四
  8. 陈占寿;徐琼瑶;李慧妮:利用秩似然比扫描统计推断重尾时间序列的多个变化点(2019)
  9. 应用多重序列识别Jenting-Min-Xin-Hsing高速公路的功能变化;2019年Jenting-Min-Xing高速公路的功能变化
  10. Paul Fearnhead;Rigaill,Guillem:存在异常值时的变化点检测(2019年)
  11. Herrera Cortés,Silvia;Juárez Hernández,Bulmaro;Vázquez Guevara,Victor Hugo;Cruz Suárez,Hugo Adán:用于检测特拉克斯科、特拉斯卡拉、梅西科最高温度变化的参数方法学(2019年)
  12. Li,Housen;Guo,青海;Munk,Axel:多尺度变化点分割:超越阶跃函数(2019)
  13. Li,Yingbo;Lund,Robert;Hewaarachchi,Anuradha:具有关于变化点时间的部分信息的多个变更点检测(2019年)
  14. Ravendran,Nishanthi;Sofronov,Georgy:通过序列重要性抽样识别空间数据中的聚类(2019年)
  15. Son,Won;Lim,Johan:用于一致恢复变化点的融合套索信号近似器的改进路径算法(2019)
  16. 王云龙;邹长亮;王昭军;尹国胜:高维多变点检测(2019)
  17. Wan,Phyllis;Davis,Richard A.:多变量重尾数据的阈值选择(2019年)
  18. Zhao-Yan,和Jian-Yan,2019年的经验不连续系数估计(Jian-Yan,和Jin-Yan,2019年的经验不连续系数估计)
  19. Barigozzi,Matteo;Cho,Haeran;Fryzlewicz,Piotr:高维时间序列的同步多变点和因子分析(2018)
  20. Behr,Merle;Holmes,Chris;Munk,Axel:多尺度盲源分离(2018)