基于张量分解的热点为快速检测及其在每周淋病数据中的应用
应用统计
2020-04-08 v2 统计方法学
摘要
在许多生物监测与医疗健康应用中，数据源是在多个空间位置上随时间重复测量的，例如每日/每周/每月。在这些应用中，我们通常关注检测热点，其定义为在空间域上稀疏但在时间上持续的一些结构化异常值。本文提出一种张量分解方法来检测热点发生的时间与地点。我们所提出的方法将观测原始数据表示为一个包含循环时间维度（用于每日/每周/每月模式）的三维张量，然后将该张量分解为三个分量：平滑全局趋势、局部热点与残差。采用 LASSO 与 fused LASSO 的组合来估计模型参数，并应用 CUSUM 过程来检测热点可能发生的时间与地点。我们所提方法的实用性通过数值模拟以及美国 50 个州 2006 年至 2018 年每周淋病病例数的真实数据集得到验证。
引用
@article{arxiv.2001.11685,
title = {Rapid Detection of Hot-spot by Tensor Decomposition with Application to Weekly Gonorrhea Data},
author = {Yujie Zhao and Hao Yan and Sarah E. Holte and Roxanne P. Kerani and Yajun Mei},
journal= {arXiv preprint arXiv:2001.11685},
year = {2020}
}