高维协方差结构中的在线变点检测及其在动态网络中的应用

本文发展了一种针对高维数据协方差结构的在线变点检测流程。提出了一种新的停止规则，以便在协方差结构发生变点时尽早终止过程。该停止规则允许时间依赖，并可应用于非高斯数据。推导了平均运行长度（ARL）的显式表达式，从而可以轻松获得停止规则中的阈值水平，无需进行耗时的蒙特卡洛模拟。我们还建立了期望检测延迟（EDD）的上界，其表达式展示了数据依赖性和协方差结构变化幅度的影响。提供了模拟研究以确认理论结果的准确性。所提流程的实用价值通过在一个静息态fMRI数据集中检测大脑协方差网络的变化得以说明。