Sequential Nonparametric Tests for a Change in Distribution: An Application to Detecting Radiological Anomalies
分布变化的序贯非参数检验：放射性异常检测应用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：摘要明确研究序贯分布变化检测，与结构变化方向的方法问题直接相关，应用场景则是辐射监测。
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…
分布变化的序贯非参数检验：放射性异常检测应用
- 研究问题
- 如何连续监测数据分布是否发生变化，在不指定零假设与备择分布参数形式的情况下，兼顾误报控制、检测功效和检测延迟？
- 方法与思路
- 作者基于滑动窗口的Kolmogorov–Smirnov统计量构造序贯非参数检验，分析误报率与功效，并用于校园背景伽马辐射谱监测。
- 材料陈述的贡献
- 摘要称方法计算高效且便于校准，误报与功效可严格分析，并在所比较程序及特定放射性异常场景中缩短检测时间。
- 阅读关注点
- 应核对窗口与阈值的选择、序贯误报率的定义、数据依赖条件，以及比较方法是否在相同误报标准下评估检测延迟。
- 阅读边界
- 索引摘要未注明稿件版本；无需分布参数假设不等于无需采样或依赖条件，摘要未给出具体阈值、延迟数值及比较适用范围。
原文摘要
We propose a sequential nonparametric test for detecting a change in distribution, based on windowed Kolmogorov–Smirnov statistics. The approach is simple, robust, highly computationally efficient, easy to calibrate, and requires no parametric assumptions about the underlying null and alternative distributions. We show that both the false-alarm rate and the power of our procedure are amenable to rigorous analysis, and that the method outperforms existing sequential testing procedures in practice. We then apply the method to the problem of detecting radiological anomalies, using data collected from measurements of the background gamma-radiation spectrum on a large university campus. In this context, the proposed method leads to substantial improvements in time-to-detection for the kind of radiological anomalies of interest in law-enforcement and border-security applications.Supplementary materials for this article, including a standardized description of the materials available for reproducing the work, are available as an online supplement.