Robust multiscale estimation of time-average variance for time series segmentation
用于时间序列分段的稳健多尺度时间平均方差估计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：摘要明确处理序列依赖下的多重均值突变检测与时间序列分段，直接对应时间序列和结构变化两个细分方向。
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
用于时间序列分段的稳健多尺度时间平均方差估计
- 研究问题
- 存在序列依赖和多个均值突变时，如何在不同区间长度上估计噪声水平，使多尺度分段方法能够区分真实变化与随机波动？
- 方法与思路
- 作者使用随区间长度变化的时间平均方差常数衡量噪声，并构造对多重均值突变稳健的估计量，讨论与移动和及随机二分分割结合。
- 材料陈述的贡献
- 摘要称，估计量在允许厚尾的一般条件下具有一致性，并通过模拟、房价指数和空气质量数据展示其在时间序列分段中的表现。
- 阅读关注点
- 应核对尺度相关方差的定义、依赖与厚尾条件、突变对估计的影响，以及方差估计误差如何传递至变点检测和定位。
- 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；摘要未给出一致性条件、收敛率或检测结果，不能判断全面优于既有方法。
原文摘要
There exist several methods developed for the canonical change point problem of detecting multiple mean shifts, which search for changes over sections of the data at multiple scales. In such methods, estimation of the noise level is often required in order to distinguish genuine changes from random fluctuations due to the noise. When serial dependence is present, using a single estimator of the noise level may not be appropriate. Instead, it is proposed to adopt a scale-dependent time-average variance constant that depends on the length of the data section in consideration, to gauge the level of the noise therein. Accordingly, an estimator that is robust to the presence of multiple mean shifts is developed. The consistency of the proposed estimator is shown under general assumptions permitting heavy-tailedness, and its use with two widely adopted data segmentation algorithms, the moving sum and the wild binary segmentation procedures, is discussed. The performance of the proposed estimator is illustrated through extensive simulation studies and on applications to the house price index and air quality data sets.