Ordinal Patterns Based Change Points Detection
基于序模式的变点检测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：摘要明确研究时间序列排序模式频率的极限分布，并用于检测序列分布变化，直接对应时间序列与结构变化。
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…
基于序模式的变点检测
- 研究问题
- 连续时间序列观测值的相对排序包含怎样的分布信息，能否利用这些序模式的出现频率来识别序列分布发生的变化？
- 方法与思路
- 作者统计固定长度连续观测的排序模式频率，证明具有线性增量的时间序列中相对频率的渐近正态性，并将序模式用于分布变化检测。
- 材料陈述的贡献
- 摘要明确报告序模式相对频率的渐近正态性结果，并提出其在时间序列分布变化检测中的应用，但未描述具体检测表现。
- 阅读关注点
- 核对线性增量序列的定义与依赖条件、排序并列值的处理，以及如何由频率极限理论构造变点统计量和检测规则。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明定理条件、检测算法、临界值校准或有限样本表现。
原文摘要
The ordinal patterns of a fixed number of consecutive values in a time series is the spatial ordering of these values. Counting how often a specific ordinal pattern occurs in a time series provides important insights into the properties of the time series. In this work, we prove the asymptotic normality of the relative frequency of ordinal patterns for time series with linear increments. Moreover, we apply ordinal patterns to detect changes in the distribution of a time series.