关于 l_1 均值和方差滤波的论文
摘要：关于均值或方差变化的时间序列分割问题的研究 均值变化情况下，时间数据被建模为一系列独立且正态分布的随机变量，其均值未知且可能变化，但方差固定。主要假设是均值在时间上是分段常数，任务是估计变化时间和各段的均值。方差恒定，但变化的情况下，假设方差在时间上是分段常数，需要估计变化时间和各段的方差值。 为了找到这些问题的解决方案，我们将研究与融合拉索方法和l1趋势过滤方法相关的l1正则化极大似然方法，其中要估计的参数在每个样本上可以自由变化。为了惩罚估计参数的变化，l1范数被用作正则化项的时间差的l1范数。这个想法与总变差去噪密切相关。 研究的主要贡献是将方差估计问题的凸形式，其中参数化基于方差的倒数，可以表述为某种l1均值估计问题。这意味着均值估计的结果和方法可以应用于挑战性的方差分割/估计问题。
作者：Bo Wahlberg, Cristian R. Rojas and Mariette Annergren
论文ID：1111.5948
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-11-28