离散时间序列变点分析的贝叶斯方法
摘要：离散变化点有限的时间序列中，我们考虑了每个段数据遵循不同的概率密度函数（pdf）的情况。我们将重点放在所有段的数据都是由不同的均值、方差和相关长度的高斯概率密度函数建模的情况。我们对变化点实例（泊松过程）以及这些不同参数（共轭先验）进行先验定律，并给出了这些变化点的后验概率分布的表达式。通过使用适当的马尔可夫链蒙特卡洛（MCMC）技术来进行计算。 我们所提出的问题也可以被看作是时间序列的非监督分类和/或分割。这种类比给了我们在多变量信号（例如图像处理）中提出更适合的变化点建模和计算的可能性。
作者：Ali Mohammad-Djafari and Olivier Feron
论文ID：physics/0403148
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2007-05-23