High Breakdown Methods of Time Series Analysis
时间序列分析的高崩溃点方法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：摘要直接研究时间序列的稳健 Fourier 滤波与异常值处理。
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
时间序列分析的高崩溃点方法
- 研究问题
- 如何在时间序列含大量污染和成片异常值时获得稳健的滤波结果，使处理后的序列能够继续接受常规分析？
- 方法与思路
- 作者在每个 Fourier 频率用稳健回归拟合正弦与余弦系数，再通过逆 Fourier 变换生成滤波后的时间序列。
- 材料陈述的贡献
- 摘要称滤波器的极限崩溃界为百分之五十，并通过 Monte Carlo 与真实异常值数据比较其表现及异常检测程序。
- 阅读关注点
- 应核对崩溃界的定义与条件、稳健回归的具体选择、滤波对信号的影响，以及模拟和实证采用的比较指标。
- 阅读边界
- 仅据所给 Crossref 摘要，不能推断其他版本变化；摘要未给出比较的具体结果，也未说明滤波后常规推断何时有效。
原文摘要
SUMMARY A robust form of the discrete Fourier transform is developed that can handle large amounts of contamination and patchy outliers. We use robust regression to fit a sine and cosine coefficient at each Fourier frequency, and these coefficients are then inverse Fourier transformed to give a filtered version of the data. The filtered series can then be analysed with conventional methods. The limiting breakdown bound of the filter is 50%. Other properties of the filter are also given. The performance of our method is compared by a Monte Carlo study with that of a data cleaner of Martin and Thomson. A comparison of the methods, including an outlier detection procedure, is also done by using a real data set with patchy outliers.