Multivariate Singular Spectrum Analysis by Robust Diagonalwise Low-Rank Approximation
基于稳健逐对角线低秩近似的多变量奇异谱分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究多变量时间序列的奇异谱分析与异常值处理；低秩近似本身不足以将其进一步归为经济因子模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于稳健逐对角线低秩近似的多变量奇异谱分析
- 研究问题
- 多变量奇异谱分析依赖对异常值敏感的奇异值分解，如何同时应对单元格异常和整条观测异常，并保留轨迹矩阵结构？
- 方法与思路
- 作者提出 RODESSA，以考虑轨迹矩阵特殊结构的稳健低秩近似替代分解步骤，并配套快速迭代算法和异常值可视化。
- 材料陈述的贡献
- 摘要称证明算法每步均降低目标函数，并通过模拟比较及铁路车辆温度数据展示方法用途，同时提出增强时间序列图。
- 阅读关注点
- 应核对稳健目标函数、轨迹矩阵的结构约束与秩选择，并区分每步目标下降、算法收敛及异常值抵抗能力各自的保证。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未提供稳健性的具体界限、算法收敛结论或模拟比较的数值结果。
原文摘要
Multivariate Singular Spectrum Analysis (MSSA) is a powerful and widely used nonparametric method for multivariate time series, which allows the analysis of complex temporal data from diverse fields such as finance, healthcare, ecology, and engineering. However, MSSA lacks robustness against outliers because it relies on the singular value decomposition, which is very sensitive to the presence of anomalous values. MSSA can then give biased results and lead to erroneous conclusions. In this paper a new MSSA method is proposed, named RObust Diagonalwise Estimation of SSA (RODESSA), which is robust against the presence of cellwise and casewise outliers. In particular, the decomposition step of MSSA is replaced by a new robust low-rank approximation of the trajectory matrix that takes its special structure into account. A fast algorithm is constructed, and it is proved that each iteration step decreases the objective function. In order to visualize different types of outliers, a new graphical display is introduced, called an enhanced time series plot. An extensive Monte Carlo simulation study is performed to compare RODESSA with competing approaches in the literature. A real data example about temperature analysis in passenger railway vehicles demonstrates the practical utility of the proposed approach.