나는 평균이 0 인 부분과 0이없는 부분으로 분할해야하는 시끄러운 시계열이 있습니다. 가능한 한 정확하게 경계를 찾는 것이 중요합니다 (확실히 경계가있는 위치는 약간 주관적 임). cusum 변형 이이 작업을 수행하도록 조정할 수 있다고 생각하지만 cusum은 주로 전체 세분화 전략을 완전히 벗어나는 단일 변경 사항을 찾는 것입니다.
이 문제에 대한 많은 연구가 있었지만 찾을 수 없었습니다.
추신이 시계열의 데이터 양은 매우 많으며, 즉 최대 수억 개의 샘플이 있으며 개별 샘플은 수백 개의 구성 요소가있는 벡터 일 수 있으므로 합리적으로 빠르게 계산할 수있는 방법이 중요한 요소입니다. .
PPS 분류 태그가 없으므로 분류 태그가 있습니다.
답변:
여기서 주요 문제는 효율적인 변경점 탐지 인 것 같습니다. 그 후에 세그먼트 수의 평균이 샘플 수의 정확도를 높이면서 사소하게 발견 될 수 있습니다. 흥미로운 최근의 접근 방식은 Z. Harchaoui, F. Bach 및 E. Moulines입니다. 커널 변경점 분석, 신경 정보 처리 시스템 (NIPS)의 발전, 2008.
이것은 최신 기술이 아닐 수도 있지만 직관적 인 방법은 각 시점에 근접한 관측치에 가중치를 적용하여 데이터를 평활화하는 것입니다. 따라서 시간 T에서 표본 R의 평균이 0인지 여부를 알고 싶다면 :
mu(R,T)=w1*Sample(R,T)+w2*Sample(R,T-1)+w3*Sample(R,T+1)....
경계의 위치에 대한 정의에 따라 지수 가중치를 선택하는 것이 좋습니다.
각 somple의 시작과 끝에서의 정의와 같은 일부 기술적 세부 사항을 처리 한 후 각 mu가 평균이 0 인 지점을 찾을 수있을 정도로 0에 가까운 지 간단히 테스트 할 수 있습니다.