离散时间序列变点分析的贝叶斯方法
数据分析、统计与概率
2007-05-23 v1
摘要
在这项工作中，我们考虑具有有限数量离散变点的时间序列。我们假设每个段中的数据遵循不同的概率密度函数（pdf）。我们专注于所有段中的数据均由具有不同均值、方差和相关长度的高斯概率密度函数建模的情况。我们对变点实例（泊松过程）以及这些不同参数（共轭先验）施加先验分布，并给出这些变点的后验概率分布的表达式。计算通过适当的马尔可夫链蒙特卡洛（MCMC）技术完成。我们所述的问题也可以被视为时间序列的无监督分类和/或分割。这种类比使我们能够提出替代的变点建模和计算方法，这些方法更适用于多变量信号，例如在图像处理中。
引用
@article{arxiv.physics/0403148,
title = {A Bayesian approach to change point analysis of discrete time series},
author = {Ali Mohammad-Djafari and Olivier Feron},
journal= {arXiv preprint arXiv:physics/0403148},
year = {2007}
}