基于子空间谱聚类的跳变线性模型参数估计
统计方法学
2013-07-02 v1
摘要
本文研究了确定性跳变或分段线性模型的参数估计问题。提出了一种称为子空间谱聚类（SCS）算法的子空间技术，用于估计一组线性模型参数、模型输入以及切换时刻集合。SCS 算法利用了系统输入子空间的块对角结构，将观测空间划分为独立的子空间，每个子空间对应且仅对应一个线性子模型。采用谱聚类技术对每个子模型的噪声观测进行标记，从而生成切换时刻的估计。利用总体最小二乘法估计模型参数和模型输入。研究表明，在没有观测噪声的情况下，SCS 算法可提供精确的参数辨识。在高信噪比下，SCS 达到了假设观测样本标记完美时计算出的理想 Cram\'{e}r-Rao 界。
引用
@article{arxiv.1307.0326,
title = {Spectral Clustering on Subspace for Parameter Estimation of Jump Linear Models},
author = {Liang Li and Wei Dong and Yindong Ji and Lang Tong},
journal= {arXiv preprint arXiv:1307.0326},
year = {2013}
}
备注
11 pages with 11 figures