图上节点观测的异质数据流在线非参数变点检测
机器学习
2021-10-22 v1 机器学习
摘要
考虑由图节点生成的异质数据流。该数据流本质上由多个流组成,其性质可能不同并依赖于各个节点。在给定时刻 ,节点子集 发生变点,意味着其关联流的概率分布发生变化。本文提出一种在线非参数方法,基于对每个节点关联数据流的变化后分布与变化前分布之间似然比的直接估计来推断 。我们提出一种基于核的方法,其假设在无非变点时,图的相连节点具有相似的似然比估计。我们在合成实验和真实世界应用上展示了方法的质量。
引用
@article{arxiv.2110.10518,
title = {Online non-parametric change-point detection for heterogeneous data streams observed over graph nodes},
author = {Alejandro de la Concha and Argyris Kalogeratos and Nicolas Vayatis},
journal= {arXiv preprint arXiv:2110.10518},
year = {2021}
}
备注
11 pages