Bir zaman serisinin sıfır ortalama bölümünü bulmak için en son teknoloji yöntem (ler)

Ben sıfır ortalama ile bu bölümlere ve sıfır ortalama olmayan bu bölümlere bölümlere gerekir gürültülü zaman serisi var. Sınırları olabildiğince doğru bulmak önemlidir (sınırın tam olarak yattığı yer biraz özneldir). Bence bir cusum varyantı bunu yapmak için uyarlanabilir, çünkü cusum öncelikle tüm segmentasyon stratejisini tamamen unutulmamış bırakan tek değişiklikler bulmakla ilgilidir.

Eminim bu sorun hakkında bir sürü araştırma yapılmış ancak bulamamıştım.

PS Bu zaman serilerindeki veri miktarı oldukça büyüktür, yani yüz milyonlarca örneğe kadar ve tek bir örnek birkaç yüz bileşenli bir vektör olabilir, bu nedenle makul bir şekilde hızlı bir şekilde hesaplanabilen bir yöntem önemli bir faktördür .

PPS Bir segmentasyon etiketi, dolayısıyla sınıflandırma etiketi yoktur.

Buradaki ana sorun, etkili değişim noktası tespiti gibi görünüyor, çünkü bundan sonra segmentin ortalaması önemsiz bir şekilde örnek sayısında artan doğrulukla bulunabilir. Bir zamanlar ilginç olabilecek son yaklaşım Z. Harchaoui, F. Bach ve E. Moulines. Çekirdek değişim noktası analizi, Sinir Bilgi İşlem Sistemlerindeki Gelişmeler (NIPS), 2008.

Bu, son teknoloji ürünü olmayabilir, ancak sezgisel bir yöntem, zaman içindeki her noktaya yakın gözlemlere ağırlık koyarak verileri yumuşatmak olacaktır. Dolayısıyla, R numunesinin T zamanında sıfır ortalaması olup olmadığını bilmek istiyorsanız:

mu(R,T)=w1*Sample(R,T)+w2*Sample(R,T-1)+w3*Sample(R,T+1)....

Belki de üstel ağırlıklar, sınırın nerede yattığı tanımına bağlı olarak iyi bir seçim olabilir.

Her bir sompleın başındaki ve sonundaki tanım gibi bazı teknik detaylara dikkat ettikten sonra, artık her bir mu'nın ortalamanın sıfır olduğu noktaları bulmak için sıfıra yeterince yakın olup olmadığını test edebilirsiniz.