Quickest Detection over Sensor Networks with Unknown Post-Change Distribution
我们提出了一个最快的变化检测问题,传感器网络中的传感器的子集正在发生变化和局部变化后的分布是未知的。网络中的每个传感器在有限的字母表上观察局部离散时间随机过程。初始时,观测值是独立同分布(i.i.d.)的。已知的变化前分布独立于其它传感器。在固定但未知的变化点处,传感器的固定但未知的子集经历变化并开始观察来自未知分布的样本。我们假设可以使用分布空间上的凹(或凸)局部统计量来量化变化。我们提出了一个渐近最优的和计算易处理的停时Lorden的标准。在这种情况下,我们提出的方法使用凹的全球累积和(CIMUM)统计融合中心和抑制最有可能的虚警使用信息投影。最后,我们给出了一些数值模拟的结果,我们的算法所描述的问题。
2021-02-09 cs.IT eess.SP math.IT
Quickest Change Detection Using Mismatched CUSUM
University of Florida(佛罗里达大学)
本文针对最快变化检测问题,提出失配CUSUM形式的停止规则,基于隐马尔可夫模型推导线性函数类下的最优解,建立条件独立模型的渐近理论,数值验证了近似的准确性。
2026-08-21 cs.IT math.IT math.ST
Quickest Change-point Detection in Generalized Linear Models with Variational Estimation
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology(乔治亚理工学院 H. 米尔顿·斯图尔特工业与系统工程学校)
针对广义线性模型变后参数未知的最快变点检测问题,提出窗口受限的CUSUM程序,采用变分不等式估计,经理论分析和数值实验验证其检测性能与最优性。
2026-10-14 stat.ME stat.ML
Quickest Detection of Dynamic Events in Networks
研究了网络中动态事件的快速检测问题。在某个未知的时间,一个事件发生,网络中的许多节点受到该事件的影响,因为它们的观测统计数据发生了变化。假设事件是动态的,因为它可以沿着网络中的边缘传播,并且随着时间的推移影响越来越多的节点。假设事件传播动力学是未知的。我们的目标是设计一个顺序算法,可以检测到一个“重大”事件,即,当事件影响不少于$η$节点时,尽可能快,同时控制虚警率。首先研究了全连通网络,然后将结果推广到任意连通网络。所设计的算法被证明是自适应的未知的传播动力学,和他们的一阶渐近最优证明的虚警率为零。该算法可以在每个时间步的网络规模上以线性计算复杂度实现,这对于在线实现至关重要。数值模拟验证了理论结果。
2018-07-16 cs.IT eess.SP math.IT
Asymptotic Near-Minimaxity of the Randomized Shiryaev-Roberts-Pollak Change-Point Detection Procedure in Continuous Time
对于经典的连续时间最快变点检测问题,证明了随机化Shiryaev-Roberts-Pollak过程在具有极小虚警风险的随机化过程类中是渐近极小极大最优的(在Pollak 1985的意义下).证明是明确的,因为所有相关的性能特征都是通过分析和封闭形式找到的。的收敛速率的(未知的)最佳阐明。所获得的最优性结果是Burnaev等人(2009)之前针对同一问题获得的最优性结果的一阶改进。
2017-04-10 math.ST stat.TH
Finding an Upper Limit in the Presence of Unknown Background
如果他们试图检测的信号不存在或低于实验的灵敏度,实验者会报告上限。这样的实验可能会受到背景的污染,因为背景太不清楚,无法扣除。如果背景在某些参数中的分布与预期信号不同,则可以利用这种差异来获得比忽略分布差异时更强的限制。我们讨论了“最大间隙”方法,它找到了事件之间的最佳间隙,以设置上限,并推广到“最佳间隔”方法,它使用的间隔特别少的事件。这些方法适用于相对小的背景的情况,不使用面元化,对参数范围上的切割相对不敏感,是参数无关的(即,当变量一一变化时不变化),并提供真实的(尽管可能保守)经典单侧置信区间。
2002-06-26 physics.data-an stat.AP
Higher-criticism for sparse multi-stream change-point detection
本文提出基于高阶批评的统计方法,用于稀疏多流快速变点检测,在理论上建立检测延迟下界并证明其最优性,数值实验验证了其有效性。
2025-04-19 math.ST stat.ME stat.TH
An Analytic Expression for the Distribution of the Generalized Shiryaev-Roberts Diffusion
我们认为最快的变点检测问题,其目的是检测发病的一个预先指定的漂移“活”监测标准布朗运动的变点是假设未知的(nonrandom)。感兴趣的主题是广义Shryaev-Roberts(GSR)检测统计量的分布设置为“感测”漂移的存在。具体地说,我们推导出了一个封闭形式的公式的转移概率密度函数(pdf)的时间齐次马尔可夫扩散过程所产生的GSR统计时,布朗运动的监督是“漂移自由”,即,在变化前的制度; GSR统计的(确定性)非负的头被假定任意给定。通过傅立叶谱方法直接求解相应的Kolmogorov正演方程,实现空间变量和时间变量的分离,解析地得到了过渡pdf公式。所得到的结果概括了众所周知的公式(前变化)的平稳分布的GSR统计:后者的平稳分布是在这项工作中所寻求的分布的时间限制。最后,我们利用得到的公式数值和简要研究的GSR统计与三个因素的变化前的行为:(a)漂移量,(b)时间,和(c)GSR统计的头启动。
2016-01-15 math.ST stat.AP stat.ME
Distributed Detection/Isolation Procedures for Quickest Event Detection in Large Extent Wireless Sensor Networks
研究了大范围无线传感器网络($\wsn$)中的一个固定点事件的分布式检测问题,该事件只影响其附近传感器的观测值.事件发生在$\wsn$的覆盖区域(或感兴趣区域($\ROI$))中的未知时间和随机位置。我们考虑一个一般的传感模型,其中事件在传感器节点的影响取决于事件和传感器节点之间的距离;特别是,在布尔传感模型中,在事件周围的给定半径的磁盘中的所有传感器同样受到影响。在\cite{nikiforov95change_isolation}、\cite{nikiforov03lower-bound-for-det-isolation}、\cite{tartakovsky08multi-decision}、{ \em}中报告的先前工作之后,将问题公式化为在以下约束下尽可能早地检测事件并将其定位到$\ROI$的子区域的问题:($\tfa$)由$γ$下界,并且假分离的概率($\pfi$)以$α$ }为上界,其中$γ$和$α$是目标性能要求。在这种情况下,我们提出了分布式程序的事件检测和隔离(即$\mx$,$\all$和$\hall$),基于本地融合的$\CUSUM$ s在传感器。对于这些程序,我们得到的最大平均检测/隔离延迟($\add$),$\tfa$和$\pfi$上的界限,从而提供了一个上限$\add$为$\min\{γ,1/α\} \to \infty$。对于布尔传感模型,我们表明,我们…
2011-07-18 cs.IT cs.NI math.IT
Exact Distribution of the Generalized Shiryaev-Roberts Stopping Time Under the Minimax Brownian Motion Setup
我们认为最快的变点检测问题的目的是检测发病的“活”监测标准布朗运动的一个预先指定的漂移,变点是假设未知的(nonrandom)。感兴趣的对象是与广义Shryaev-Roberts(GSR)检测程序相关联的停时的分布,该检测程序被设置为“感测”监视下的布朗运动中漂移的存在。具体而言,我们寻求GSR的停时的生存函数(尾部概率,没有报警触发的GSR程序之前,在一个给定的时间点),并区分两种情况:(a)当漂移从来没有设置(变更前制度)和(b)当漂移是从头开始(变更后制度)。在每一种情况下,我们得到一个封闭的形式的公式,各自的生存函数,与GSR统计的(确定性)非负的领先假定任意给定。这两个公式是通过傅立叶谱方法直接求解Kolmogorov向前方程,实现空间变量和时间变量的分离,从而得到的。然后,我们利用得到的公式数值和表征的前和后的变化分布的GSR的停时取决于三个因素:(a)漂移的幅度,(b)检测阈值,和(c)GSR统计的领先优势。
2016-04-18 math.ST stat.CO stat.ME
A Stein Characterization-type Omnibus Tests for the Discrete Pareto Distribution
Central University of Rajasthan(中央拉贾斯坦大学);Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院)
本文提出一种基于Stein特征类型的离散Pareto分布拟合检验方法,适用于重尾和无限支持情况,通过概率生成函数构建,避免分箱和平滑技术,经模拟实验验证其优越性。
2026-05-07 math.ST stat.ME stat.TH
Hypothesis Testing For Densities and High-Dimensional Multinomials: Sharp Local Minimax Rates
Carnegie Mellon University(卡内基梅隆大学)
我们考虑的拟合优度检验问题区分数据是否来自一个指定的分布,与一个复合替代分离的空在全变差度量。在离散的情况下,我们考虑拟合优度测试时,零分布有可能增长或无界的类别数。在连续的情况下,我们考虑测试的Lipschitz密度,可能无界的支持,在低光滑度制度的Lipschitz参数不被假定为常数。在现有的结果相比,我们表明,极大极小率和临界测试半径在这些设置强烈依赖,并在一个精确的方式,对零分布进行测试,这激发了研究的(本地)极大极小率作为一个功能的零分布。对于多项式的局部极小极大率最近研究的工作,英勇和英勇。我们重新访问和扩展他们的结果,并开发两个修改卡方检验的性能,我们的特点。为了测试Lipschitz密度,我们表明,通常的分仓测试是不够的,在低平滑度制度,我们设计了一个空间自适应分区方案,形成我们的局部极小极大最优测试的基础。此外,我们提供了第一个本地极大极小下界这个问题产生一个尖锐的表征的依赖临界半径的原假设进行测试。在低平滑度区域,我们还提供了自适应测试,以适应未知的平滑度参数。我们通过各种模拟来说明我们的结果,这些模拟证明了我们提出的测试的实际效用。
2017-06-30 cs.IT cs.LG math.IT
Minimax Optimal Two-Sample Testing under Local Differential Privacy
本文在局部差分隐私下提出两样本检验方法,通过隐私排列检验和自适应检验实现最小分离率,平衡隐私与统计效用。
2024-11-22 cs.CR cs.LG stat.ML
Detecting an Intermittent Change of Unknown Duration
提出基于局部条件概率的间歇性变化检测优化准则,证明CUSUM等规则等价于基于ML的停时,并通过模拟验证参数选择。
2023-04-10 stat.AP