一个变换点是一个样本或时间瞬间,信号的一些统计属性突然变化。有问题的财产可以是信号的平均值,其方差或光谱特性等。
要找到信号转换点,findchangepts
采用参数化全局方法。函数:
选择一个点,将信号分成两部分。
计算每个部分所需统计属性的经验估计。
在一个区域内的每个点上,测量有多少财产偏离了经验估计。添加所有点的偏差。
将偏差逐段相加,得到总残差。
改变分割点的位置,直到总残差达到最小值。
The procedure is clearest when the chosen statistic is the mean.在这种情况下,findchangepts
最大限度地减少每个截面“最佳”水平面的总剩余误差。发出信号x1,x2,......,xN,以及子序列均值和方差
在哪里平方和
findchangepts
发现k以致
是最小的。这个结果可以推广到其他统计数据中去。findchangepts
发现k以致
鉴于经验估算部分是最小的χ和偏差测量δ。
最小化残差等于最大化对数似然值。给出一个有均值的正态分布μ和方差σ2,的对数似然N独立观察
如果“统计”
被指定为'意思'
,方差是固定的,并且功能使用
如前所述。
如果“统计”
被指定为'std'
,平均值是固定的,函数使用
如果“统计”
被指定为“rms”
时,总偏差与时相同'std'
但是平均设定为零:
如果“统计”
被指定为“线性”
,该函数用作总偏差,信号值与最小二乘线的预测之间的平方差的总和通过值。这个数量也被称为误差平方和或上席.最适合的直线通过x米,x米+1,......,xn是
苏格兰和南方能源公司
感兴趣的信号通常有多个变化点。当变化点的数量已知时,概括该过程很简单。当数量未知时,必须在剩余误差中添加惩罚项,因为添加变化点总是会减少剩余误差并导致过度拟合。在极端情况下,每个点b将其转化为一个变化点,剩余误差消失。findchangepts
使用随变更点数量线性增长的惩罚项。如果有K更改点被发现,然后函数最小化
哪里k0和kK分别为信号的第一个样本和最后一个样本。
为了实现最小化,findchangepts
采用基于动态规划的详尽算法,提前放弃。