Change Point Detection and Localization in High-Dimensional Time Series
高维时间序列中的变点检测与定位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：摘要明确研究高维时间序列的在线变点检验、多变点定位和结构稳定性，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…
高维时间序列中的变点检测与定位
- 研究问题
- 如何在高维数据流中顺序检测变化，并在历史数据中定位多个稀疏、异步变点，同时控制定位区间的整体错误水平？
- 方法与思路
- 作者以最大范数构造多尺度统计量，并发展高维部分和过程的 Hölder–Gaussian 近似，为检测和定位提供理论支持。
- 材料陈述的贡献
- 摘要称提出顺序检验和多变点区间工具，相关近似也可用于高维平稳性检验，并用模拟及野火污染数据展示方法。
- 阅读关注点
- 应核对维度增长和时间依赖限制、顺序检验的监测期限、整体错误控制对象，以及异步变点的定位精度与区间构造。
- 阅读边界
- 来源为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出近似误差率、最小信号要求及区间覆盖的具体条件。
原文摘要
We present new inference tools for change point detection in high-dimensional time series. We discuss two distinct statistical applications: First, sequential change point testing in an incoming data-stream. Second, retrospective localization of multiple changes, with confidence intervals at a globally controlled error level. Test statistics are built on the maximum norm to generate power against sparse and asynchronous changes. Both problems are tackled by related multiscale statistics that search for changes in the data at many different levels of resolution. For fixed dimension, our statistical approaches can be validated using traditional Hölderian invariance principles. In this paper, we present the high-dimensional analogue: Hölder-Gauss-approximations, which can be (roughly) interpreted as the Gaussian approximation for a Hölder-norm of the high-dimensional partial sum process. Such approximations are of interest beyond change point detection and can be used for other problems such as for stationarity testing in high dimensions. We evaluate finite-sample performance in a simulation study and give an application to air contamination due to wildfires in California, which occurs asynchronously across a panel of measuring stations.