贝叶斯序贯变更诊断
概率论
2007-10-29 v1 信息论
math.IT
统计理论
统计理论
摘要
序贯变更诊断是检测并识别随机序列分布中突然且不可观测的变更的联合问题。在该问题中，独立同分布随机变量序列的公共概率律在某个紊乱时刻突然变为有限个备选方案之一。该紊乱时刻标志着一个新机制的开始，其特征指纹是新的观测律。紊乱时刻和新机制的身份均未知且不可观测。目标是尽快检测到机制变更，同时尽可能准确地确定其身份。及时且正确的诊断对于迅速执行针对新机制的最适当措施至关重要，例如工业过程中的故障检测与隔离，以及国防中的目标检测与识别。该问题在贝叶斯框架下表述。我们找到了最优序贯决策策略，并描述了一种用于其实施的精确数值方案。通过数值示例说明了最优策略的几何性质。传统的贝叶斯变更检测和贝叶斯序贯多假设检验问题作为特例得到解决。此外，还获得了具有暂停机制系统中组件故障检测与识别问题的解。
引用
@article{arxiv.0710.4847,
title = {Bayesian sequential change diagnosis},
author = {Savas Dayanik and Christian Goulding and H. Vincent Poor},
journal= {arXiv preprint arXiv:0710.4847},
year = {2007}
}