贝叶斯在线变点检测

变点是数据序列生成参数中的突变。在线检测变点对于金融、生物识别和机器人等领域的时间序列建模与预测非常有用。虽然频率学派方法已产生在线滤波与预测技术，但大多数贝叶斯论文侧重于回顾性分割问题。在此，我们考察变点前后模型参数相互独立的情形，并推导了用于对最近变点进行精确推断的在线算法。我们利用简单的消息传递算法计算当前“运行”（即自上次变点以来的时间）长度的概率分布。我们的实现具有高度模块化，因此该算法可应用于多种类型的数据。我们通过三个不同的真实世界数据集演示了该算法，以此说明其模块化特性。