Sequential Outlier Detection in Non-Stationary Time Series
非平稳时间序列中的序贯异常值检测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：摘要明确研究非平稳时间序列的序贯异常值检测；未说明参数结构突变模型，因此不进一步归入结构变化方向。
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…
非平稳时间序列中的序贯异常值检测
- 研究问题
- 如何在非平稳时间序列中逐时点检验是否出现异常值，同时控制连续实施检验所带来的多重检验错误风险？
- 方法与思路
- 作者在每个时点检验无异常值原假设，利用极值理论约束连续检验的错误概率，并分析原假设及备择下的渐近性质。
- 材料陈述的贡献
- 摘要提出新的序贯检测方案，研究其理论与有限样本性质，并通过模拟同统计及机器学习文献中的近期方法比较。
- 阅读关注点
- 应核对允许的非平稳形式、异常值与正常趋势变化的区分，以及错误概率界的适用时段和检测功效的评价方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明非平稳性条件、错误控制类型或比较结果的具体数值。
原文摘要
A novel method for sequential outlier detection in non-stationary time series is proposed. The method tests the null hypothesis of ``no outlier'' at each time point, addressing the multiple testing problem by bounding the error probability of successive tests, using extreme value theory. The asymptotic properties of the test statistic are studied under the null hypothesis and alternative. The finite sample properties of the new detection scheme are investigated by means of a simulation study, and the method is compared with alternative procedures which have recently been proposed in the statistics and machine learning literature.