一种基于一致性聚类的变点数量估计方法：面向高依赖性时间序列
机器学习
2013-02-15 v1 信息论
机器学习
math.IT
统计理论
统计理论
摘要
本文在数据由未知平稳遍历过程分布生成的通用框架下，考虑变点估计问题。在此背景下，变点数量的一致估计被证明是不可能的。然而，研究表明，在提供生成数据的正确过程分布数量这一额外约束下，可以使用一致性聚类方法来估计变点数量。这一额外参数在许多实际应用中具有自然的解释。本文提出了一种估计变点数量并定位变点的算法。证明了所提出的算法是渐近一致的，并给出了其经验评估。
引用
@article{arxiv.1302.3407,
title = {A consistent clustering-based approach to estimating the number of change-points in highly dependent time-series},
author = {Azaden Khaleghi and Daniil Ryabko},
journal= {arXiv preprint arXiv:1302.3407},
year = {2013}
}