污染下的离线变点检测
统计方法学
2022-06-24 v2
摘要
在这项工作中，我们提出一种非参数且鲁棒的变点检测算法，用于在污染下检测时间序列数据中的多个变点。该污染模型足够一般化，以至于变点检测背景下最常用的模型——Huber 污染模型——是其特例。此外，该污染模型是无意识且任意的。该变点检测算法针对离线设置设计，其目标是在所有数据接收后检测变化。我们仅对内部点（未 corrupted 数据）做弱矩假设，以处理一大类分布。算法中的鲁棒扫描统计量使用基于影响函数的均值估计量构造。我们建立了随着样本数增加，估计变点索引的一致性，并提供了支持一致性结果的经验证据。
引用
@article{arxiv.2206.11214,
title = {Offline Change Detection under Contamination},
author = {Sujay Bhatt and Guanhua Fang and Ping Li},
journal= {arXiv preprint arXiv:2206.11214},
year = {2022}
}