Maximum Likelihood Estimation of Multiple Change Points
多个变化点的最大似然估计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。
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：摘要直接研究序列中的多个变化点及其位置估计，与结构变化方法相关，但未提供宏观经济应用。
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
多个变化点的最大似然估计
- 研究问题
- 对独立分类变量序列，已知相邻变化点之间的最短片段长度时，如何估计变化位置，并处理片段数量及边界分布差异？
- 方法与思路
- 作者在片段长度下界约束下构造寻找一个最大似然解的方法，允许变化片段的边界与中心区域具有不同分布，并讨论片段数估计。
- 材料陈述的贡献
- 摘要称，所提方法能够找到一个最大似然解，提供变化位置精度的数值结果，并以蛋白质螺旋区域预测说明应用。
- 阅读关注点
- 应核对长度下界如何进入优化、多个最大似然解如何处理，以及片段数选择和边界分布设定对位置估计的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出算法复杂度、片段数估计准则或误差数值，应用为蛋白质序列。
原文摘要
Maximum likelihood estimation of the locations of changes in sequences of independent categorical random variables when there are known lower bounds on the lengths of the sub-sequences between the change points is discussed. A method is developed which finds one of the maximum likelihood solutions. The problem of estimating the number of changed segments is discussed and some numerical results about the precision of the estimates of the locations of changes are presented. The method also allows the boundary distributions for the changed segments to be different from the distribution for the central region of the changed segments. An application to the prediction of protein helical regions is presented.