Bayesian Model Search for Nonstationary Periodic Time Series
非平稳周期时间序列的贝叶斯模型搜索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：摘要明确研究非平稳时间序列及变点识别，方法对应时间序列和结构变化，应用场景则是生理数据。
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…
非平稳周期时间序列的贝叶斯模型搜索
- 研究问题
- 对振荡特征随时间改变的非平稳序列，如何同时识别变点和各时间区段中的未知周期，刻画周期结构的动态变化？
- 方法与思路
- 作者用分段振荡模型近似时间序列，并通过跨维度马尔可夫链蒙特卡洛算法，同时更新变点及各区段相关的周期。
- 材料陈述的贡献
- 摘要称方法在夜间皮肤温度与呼吸波形两个应用中识别了时变振荡行为，分别涉及超日节律和睡眠呼吸暂停。
- 阅读关注点
- 应核对区段模型、变点与周期的先验及可识别性，以及跨维度采样的混合表现、模型选择不确定性和应用验证依据。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要，不能判断刊本变化；摘要未说明完整模型条件、采样诊断或识别准确率。
原文摘要
We propose a novel Bayesian methodology for analyzing nonstationary time series that exhibit oscillatory behavior. We approximate the time series using a piecewise oscillatory model with unknown periodicities, where our goal is to estimate the change-points while simultaneously identifying the potentially changing periodicities in the data. Our proposed methodology is based on a trans-dimensional Markov chain Monte Carlo algorithm that simultaneously updates the change-points and the periodicities relevant to any segment between them. We show that the proposed methodology successfully identifies time changing oscillatory behavior in two applications which are relevant to e-Health and sleep research, namely the occurrence of ultradian oscillations in human skin temperature during the time of night rest, and the detection of instances of sleep apnea in plethysmographic respiratory traces. Supplementary materials for this article are available online.