Change-point detection in functional time series: Applications to age-specific mortality and fertility
针对年龄别死亡率与生育率曲线的函数时间序列变点检测问题,提出函数累积和统计量、基于函数模型预测误差序列的两种检测方法,经澳大利亚数据验证可定位变点并确定最优训练周期以提升预测精度。
2024-11-01 stat.AP stat.ME
Change-Point Detection for Heterogeneous High-Dimensional Functional Time Series
针对高维函数时间序列变点检测中传统方法的信号衰减问题,提出Energy-PE统计量并结合聚类算法,经数值和股票应用验证其功效更优且可解释。
2026-08-17 stat.ME
Break Point Detection for Functional Covariance
许多实验记录了连续的轨迹,其中每个轨迹由零附近的振荡和波动组成。这样的轨迹可以被视为零均值函数数据。当高阶矩中存在结构性突变(在轨迹序列上)时,仅通过目视检查并不总是容易发现这些突变。基于脑信号分析中的这一具有挑战性的问题,我们提出了一种检测和测试程序来找到函数协方差的变化点。检测过程是基于累积和统计量(Cumulative sum statistics,CSUM)。函数数据的经典检验过程依赖于零分布,该零分布依赖于无穷多个未知参数,尽管实际上只有有限数量的未知参数可以用于变点存在性的假设检验。本文提供了一些理论见解的影响参数的数量。同时,给出了估计变点的渐近性质。所提出的方法的有效性进行了数值验证,在模拟研究和应用程序,以调查在大鼠脑信号的变化后,实验诱导中风。
2022-02-05 stat.ME
Inference of Dynamic Graph Changes for Functional Connectome
动态功能连接性是衡量大脑对连续刺激反应的一种有效方法。提出了一种基于时变图形模型的脑网络动态变化检测方法。虽然大多数现有的方法专注于测试变化点的存在,但在许多神经科学研究中,大脑网络中的动态提供了更多的信号。我们提出了一种新的方法来进行假设检验的动态脑网络的变化。我们引入了一个自举统计近似的最高的高维经验过程动态变化的边缘。我们的模拟表明,该框架可以捕捉到变化的连接点。最后,我们将我们的方法应用于自然音频-视频刺激下的大脑成像数据集,并说明我们能够检测大脑网络中的时间变化。所识别的区域的功能与特定的情感注释是一致的,这与我们的方法推断的变化密切相关。
2020-06-19 stat.AP stat.ME
Estimation and Inference for Change Points in Functional Regression Time Series
University of Notre Dame(圣母大学);University of Warwick(华威大学);University of Bristol(布里斯托大学)
本文提出了一种高效的函数回归二分段算法,用于在具有斜率函数变化的回归模型中估计和推断变化点,并通过模拟和实际数据验证了其有效性。
2024-05-08 math.ST stat.ME stat.TH
Robust Change-Point Detection for Functional Time Series Based on $U$-Statistics and Dependent Wild Bootstrap
本文将 Wilcoxon 两样本检验推广至函数时间序列,提出利用完整函数信息且抗异常值的稳健变点检验,并通过 Hilbert 空间 $U$-统计量极限定理与相依野自助法确定渐近分布和临界值。
2023-06-04 math.ST stat.ME stat.TH
Multiple change point detection in functional data with applications to biomechanical fatigue data
针对疲劳跑步者下肢关节角度的周期性密集数据,提出一种基于最大绝对偏差的函数数据多变点检测新方法,能识别超过指定阈值的疲劳相关变化,应用于室内和马拉松场景。
2024-04-24 math.ST stat.ME stat.TH
Choosing the Right Norm for Change Point Detection in Functional Data
针对函数型时间序列均值函数的变点检测问题,提出基于 $L^1$ 范数的检验方法及稀疏备择下的功效增强组件,并从理论、模拟和真实数据验证其优于 $L^2$ 与上确界范数方法。
2025-01-10 math.ST stat.ME stat.TH
Functional Sieve Bootstrap for the Partial Sum Process with Application to Change-Point Detection
本文提出函数筛子自助法(FSB)估计部分和过程分布,并用于基于CUSUM统计量的函数时间序列均值变点检验,证明其渐近有效性和有限样本性能。
2025-04-28 math.ST stat.TH
A Log-Linear Non-Parametric Online Changepoint Detection Algorithm based on Functional Pruning
本文提出非参数在线变点检测算法NP-FOCuS,利用经验累积密度函数和函数剪枝实现对数线性计算成本,在多种场景下检测功效优于现有非参数方法。
2024-01-11 stat.CO stat.ME stat.ML
Limit results for $L^p$ functionals of weighted CUSUM processes
累积和(Cumulative Sum,简称CSUM)过程常用于变点分析,以检测连续观测数据的均值变化。我们提供了一个完整的描述的渐近分布的$L^p, 1\leq p <\infty$,泛函的加权的时间序列时间序列在一般条件下的过程。
2020-10-06 math.PR math.ST stat.TH
Beyond average warming: Two-sample inference for dense-sparse functional data reveals changes in intraday temperature patterns
Philipps-Universität Marburg(马尔堡菲利普大学)
针对历史与当前温度数据采样频率不一致的问题,提出基于迁移学习的函数型数据双样本推断方法,估计均值函数差并构建均匀置信带,发现气候变化不仅影响平均温度,还改变了日内温度模式。
2026-05-26 stat.AP
Multiscale Change Point Detection for Functional Time Series
Aarhus University(奥胡斯大学);Ruhr-Universität Bochum(波鸿鲁尔大学);University of Reading(雷丁大学)
针对巴拿赫空间值时间序列均值参数的多变化检测与定位问题,提出Hölder型加权扫描统计量,在效率与鲁棒性间平滑权衡,适用于函数型时间序列,通过高斯近似获一般结果,在金融数据集验证有效。
2025-11-10 math.ST stat.TH
Bayesian Change Point Detection for Functional Data
我们提出了一种贝叶斯方法来检测功能数据的变化点。我们通过离散小波变换(DWT)来提取函数数据序列的特征,并独立地处理每个特征序列。我们认为,在可能不同的时间点,每个特征都可能发生变化。函数数据在整个观测序列中通过这种变化而演变。这个函数数据序列的变化点是所有特征变化的累积效应。我们分配的功能与先验结合的小波系数的特性。然后,我们计算每个特征序列的变化点的后验分布,并定义一个矩阵,其中每个条目是该序列中两个功能数据之间的相似性度量。我们计算所有可能分区的组间和组内平均相似度的比值,变化点是比值达到最小值的地方。我们使用气候变化数据集来演示这种方法。
2018-08-03 stat.ME
Scalable Multiple Changepoint Detection for Functional Data Sequences
我们提出了多变点隔离(MCI)方法检测的均值和协方差的功能过程中的多个变化。我们首先引入一对投影来表示函数观测值之间和内部的变化。然后,我们提出了一个增强的融合套索程序分割成多个区域的投影鲁棒。这些区域的作用是将每个变点与其他变点隔离开来,以便可以按区域应用强大的单变量统计量来识别变点。仿真结果表明,我们的方法准确地检测在许多不同的情况下的变点的数量和位置。这些包括轻尾和重尾数据,对称和偏态分布的数据,稀疏和密集采样的变点,以及均值和协方差变化。我们表明,我们的方法优于最近的多功能变点检测器和几个单变量变点检测器应用到我们提出的预测。我们还表明,MCI是更强大的比现有的方法和规模线性样本量。最后,我们证明了我们的方法上的一个大的时间序列的水汽混合比配置文件从大气发射辐射干涉仪测量。
2021-10-20 stat.ME
Change point localisation and inference in fragmented functional data
针对顺序收集的碎片化函数型数据,提出FFDP算法定位协方差函数变点,并推导细化估计量在两种跳跃情形下的极限分布。
2024-05-09 stat.ME
A novel framework for detecting multiple change points in functional data sequences
提出GS-PF两阶段框架,结合组选择与偏F检验,实现函数型数据序列中多个变点的高效稳健检测。
2025-05-25 stat.ME
Adaptive Ridge-Regularized Hotelling Change-Point Tests for Functional Data
Tiangong University(天津工业大学);Nankai University(南开大学)
该研究针对函数型时间序列均值变化检测与定位问题,提出统一的岭正则化霍特林框架,通过基展开、协方差估计、岭正则化及相关统计量组合等方法,在多种条件下建立了检验性质,模拟和实证表明其有限样本性能良好。
2026-07-21 stat.ME
Identifying rapid changes in the hemodynamic response in event-related functional magnetic resonance imaging
针对事件相关功能磁共振成像中血流动力学响应(HR)快速变化研究不足的问题,提出两种多被试HR快速变化推断方法,允许变化点位置跨被试等变化,引入后选择方差概念,经模拟验证功效并应用于类别学习实验数据。
2025-02-18 stat.ME
Robust changepoint detection in the variability of multivariate functional data
本文提出基于秩统计量和多元函数数据深度的 FKWC 变点方法,用于稳健检测多元函数数据变异性的变点,并证明其达到极小极大定位速率,在模拟和金融、神经影像数据中表现稳健。
2024-08-06 stat.ME
Change-Points Detection and Support Recovery for Spatially Indexed Functional Data
针对空间索引函数型数据中仅少数位置发生结构变化的问题,提出融合FPCA、核检验统计量与函数型对称化聚合的统一变点检测及空间支撑集恢复方法。
2025-06-11 stat.ME
Consistent detection and estimation of multiple structural changes in functional data: unsupervised and supervised approaches
Indian Statistical Institute(印度统计研究所);Indian Institute of Science Education and Research Kolkata(印度科学教育研究学院加尔各答分校)
本文针对函数数据的多重变点检测问题,基于希尔伯特空间的MMD度量,提出适用于无监督、有监督、半监督三类场景的变点检测与估计算法,证明了估计一致性并验证其性能优于现有方法。
2025-11-18 stat.ME
Modeling Symmetric Positive Definite Matrices with An Application to Functional Brain Connectivity
在神经科学中,功能性大脑连接描述了共享功能特性的大脑区域之间的连接。神经科学家通常用分布神经元区域的功能测量之间的协方差阵的时间序列来表征它。一个有效的统计模型的功能连接及其随时间的变化是至关重要的,更好地了解大脑和各种神经系统疾病的机制。为此,我们提出了一个矩阵对数均值模型与加性异质噪声建模随机对称正定矩阵,位于黎曼流形。引入误差项的异质性是为了捕捉流形的弯曲性质。然后,我们建议使用本地扫描统计来检测功能连接中的变化模式。理论上,我们表明,我们的程序可以恢复所有的变化点一致。仿真研究和应用程序的人类连接组项目提供进一步的支持所提出的方法。
2019-07-08 stat.ME
Climate change analysis from LRD manifold functional regression
针对高云底大气压力预测向下太阳辐射通量球面图的问题,提出强相关函数数据下的非线性函数回归模型,结合潜在线性函数回归与加性长记忆流形误差项,实现GLS估计,扩展纯空间分析至时空场景并验证性能。
2025-02-14 stat.ME
Subgroup learning in functional regression models under the RKHS framework
本文提出基于变平面方法的RKHS框架,用于函数或图像响应中的子群估计、识别与检验,推导了渐近理论并验证了算法性能及实际应用效果。
2025-03-03 stat.ME
Functional Regression with Nonstationarity and Error Contamination: Application to the Economic Impact of Climate Change
Hankuk University of Foreign Studies(韩国外国语大学);University of Sydney(悉尼大学)
本文针对存在非平稳动态与误差污染的函数型回归模型,提出基于自协方差的估计与推断方法,并将其应用于评估气候变化的全球经济影响。
2025-10-01 econ.EM stat.ME
Fully Functional Weighted Testing for Abrupt and Gradual Location Changes in Functional Time Series
本文提出了一种结合协方差结构和偏移参数的完全功能加权检验方法,用于检测功能时间序列中突变和渐变位置变化,提高了检验效能并推导了其渐近分布。
2026-01-22 math.ST stat.ME stat.TH
Elastic Functional Changepoint Detection of Climate Impacts from Localized Sources
本文提出一种弹性函数变点检测方法,能同时处理振幅和相位变异性,应用于模拟和观测数据,成功检测出皮纳图博火山喷发对平流层温度的影响。
2023-08-10 stat.AP stat.ME stat.OT
Detecting changepoints in globally-indexed functional time series
本文针对球面空间索引的函数型时间序列,提出检测不同位置、不同时间变点的检验统计量,并通过模拟、简化气候模型和再分析数据验证其在识别1991年皮纳图博火山喷发相关平流层温度变化中的有效性。
2023-08-11 stat.AP stat.ME
On changepoint detection in functional data using empirical energy distance
本研究提出基于推广的经验能量距离的新型检验统计量,可检测函数观测序列中多种类型变点,提升端点附近变点检测能力,结合二元分割处理多变点场景,经模拟和实际数据验证效果良好。
2023-10-07 econ.EM stat.ME
Testing for changes in the error distribution in functional linear models
针对泛函线性模型,提出基于序贯残差经验分布函数的误差分布变点检验,该检验渐近分布自由且对单变点备择一致,并证明变点估计量的一致性。
2024-11-07 math.ST stat.ME stat.TH
Detection of mean changes in partially observed functional data
Charles University(查理大学);Otto-von-Guericke University(奥托·冯·格里克大学)
针对部分观测函数型数据,提出一种基于置换检验的均值变化检测方法,涵盖突变与渐变,并引入控制重抽样风险的变体,通过模拟和真实数据验证其性能。
2025-10-09 math.ST stat.ME stat.TH
Fast Online Changepoint Detection via Functional Pruning CUSUM statistics
提出FOCuS算法,通过函数剪枝CUSUM统计量在所有窗口大小和变化幅度上同时进行在线变点检测,实现对数级计算成本,并在服务器异常检测中取得最优性能。
2022-07-27 stat.CO stat.ME stat.ML
Functional estimation and change detection for nonstationary time series
时间序列中结构突变的测试在理想情况下应该对感兴趣的参数中的突变敏感,同时对干扰变化具有鲁棒性。因此,统计分析需要在无变化的原假设下考虑某种形式的非平稳性。本文构造了局部平稳时间序列综合参数的估计量,并建立了相应的泛函中心极限定理,使得在较弱的假设下,能对广泛的一类参数进行变点推断.所提出的框架涵盖了所有的参数,可以表示为非线性函数的时刻,例如峰度,自相关,系数在线性回归模型。为了进行基于导出的极限分布的可行推理,提出了一种自助变体,并建立了它的一致性。通过模拟研究和高频资产价格的应用说明了该方法。
2022-12-01 math.ST stat.ME stat.TH
Bayesian Functional Emulation of CO2 Emissions on Future Climate Change Scenarios
Politecnico di Milano(米兰理工大学);Università degli Studi di Milano Bicocca(米兰比可卡大学);European Commission, Joint Research Centre (JRC)(欧盟委员会联合研究中心)
本文提出基于函数回归框架的统计模拟器,用于气候-经济确定性综合评估模型集合。通过混合效应分层模型进行参数推断,并采用自回归参数化协方差矩阵,实现对离散输出的连续时间评估。
2022-09-13 econ.EM stat.AP stat.ME
Detecting a Structural Change in Functional Time Series Using Local Wilcoxon Statistic
Cracow University of Economics(克拉科夫经济学院);AGH University of Science and Technology(AGH科技大学)
本文提出了一种基于局部Wilcoxon统计量的新方法,用于检测函数时间序列中的结构变化,该统计量由Paindaveine和Van Bever (2013)提出的局部深度函数诱导。
2019-10-24 econ.GN q-fin.EC stat.AP