On the optimality of Bayesian change-point detection
贝叶斯变点检测的最优性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。
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：摘要直接研究序贯变点检测及最优报警时间，对应结构变化检测的方法方向。
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…
关注这篇论文的作者
贝叶斯变点检测的最优性
- 研究问题
- 在一般变点先验及马尔可夫观测过程中，如何确定最优报警时间，有限个可能变点又如何影响最小平均检测延迟？
- 方法与思路
- 作者引入适当的检测损失随机变量，以停止时间或报警时间表述贝叶斯最优检验，并研究误报约束下的延迟。
- 材料陈述的贡献
- 摘要称，方法适用于一般变点先验和马尔可夫观测；可能变点数有限时，任意平均误报运行长度下最小平均延迟等于一。
- 阅读关注点
- 应重点核对损失函数、平均检测延迟与误报运行长度的定义，以及延迟等于一所依赖的条件和停止规则。
- 阅读边界
- 仅依据 OpenAlex 索引摘要，稿件版本未注明；摘要未展开损失与约束定义，不能把延迟结论当作一般检测问题的普遍保证。
原文摘要
By introducing suitable loss random variables of detection, we obtain optimal tests in terms of the stopping time or alarm time for Bayesian change-point detection not only for a general prior distribution of change-points but also for observations being a Markov process. Moreover, the optimal (minimal) average detection delay is proved to be equal to $1$ for any (possibly large) average run length to false alarm if the number of possible change-points is finite.