一种用于多元时间序列结构突变检测的高效 ADMM 算法
机器学习
2018-06-26 v2
摘要
我们提出了一种高效的交替方向乘子法（ADMM）算法，用于将具有结构突变的多元非平稳时间序列分割为平稳区域。我们借鉴近期工作，其中假设序列在各段内服从向量自回归模型，并且可使用组融合 lasso 惩罚项构造凸估计过程。我们的 ADMM 方法首先将凸问题拆分为一个全局二次规划和一个简单的组 lasso 邻近更新。我们证明全局问题可沿时间依赖转移矩阵的行并行化，并且每个子问题可重写为与高斯状态空间模型对数似然相同的形式。因此，我们开发了卡尔曼平滑算法以在序列长度线性时间内求解全局更新。
引用
@article{arxiv.1711.08392,
title = {An Efficient ADMM Algorithm for Structural Break Detection in Multivariate Time Series},
author = {Alex Tank and Emily B. Fox and Ali Shojaie},
journal= {arXiv preprint arXiv:1711.08392},
year = {2018}
}
备注
Accepted to the NIPS Time Series Workshop 2017