多变量数据流中的变化检测：基于核-QuantTree的在线分析

我们提出了核-QuantTree指数加权移动平均法，一种结合了核-QuantTree直方图和指数加权移动平均统计量的非参数变化检测算法，用于在线监控多变量数据流。由此产生的监控方案非常灵活，因为直方图可用于建模任何平稳分布，并且实用，因为在平稳条件下检验统计量的分布不依赖于数据流的分布（非参数监控）。核-QuantTree指数加权移动平均法通过以预定的平均运行长度运行来控制误报，该长度衡量在触发误报之前预期监控的平稳样本数量。后一特性与大多数非参数变化检测测试形成对比，后者很少能先验地控制平均运行长度。我们在合成和真实世界数据集上的实验表明，核-QuantTree指数加权移动平均法能够控制平均运行长度，同时实现与设计用于相同条件下工作的最先进方法相当或更低的检测延迟。