Métodos de vanguardia para encontrar cero significan porciones de una serie de tiempo

Question

Me han hecho mucho ruido de series de tiempo que necesito para el segmento en aquellas partes con un cero significa y las partes sin un cero significa. Encontrar los límites con la mayor precisión posible es importante (claramente donde el límite es precisamente es un poco subjetivo). Creo que un cusum variante podría ser adaptado para hacer esto, pero como cusum es principalmente trata de encontrar solo los cambios que se deja toda la estrategia de segmentación completamente desatendida.

Estoy seguro de que un montón de investigación se ha hecho sobre este problema pero no he sido capaz de encontrarlo.

P. S. La cantidad de datos en estas series de tiempo es bastante grande, es decir, hasta cientos de millones de muestras, y una muestra individual puede ser un vector con un par de cientos de componentes, por lo que un método que puede ser calculada en forma razonablemente rápida es un factor importante.

P. P. S no Hay una segmentación de la etiqueta, por lo tanto la clasificación de la etiqueta.

Answer 1

Parece que la cuestión principal aquí es la detección eficiente de puntos de cambio, después de la media del segmento se puede encontrar trivial con el aumento de precisión en el número de muestras. Una vez que un enfoque reciente que puede ser interesante es Z. Harchaoui, F. Bach y E. Rada. Análisis de punto de cambio de kernel, avances en nervios información procesamiento de sistemas (NIPS), 2008.

Answer 2

Esto no puede ser el estado del arte, pero un método intuitivo sería suavizado de datos mediante la colocación de los pesos de las observaciones cerca de cada punto en el tiempo. Así que si quieres saber si la muestra de R tiene un cero significa que en el tiempo T:

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

Tal vez exponencial de peso puede ser una buena opción, dependiendo de la definición de la boundry mentiras.

Después de tomar el cuidado de algunos detalles técnicos como la definición al inicio y al final de cada somple ahora simplemente puede probar si cada una de las mu es bastante cercano a cero para encontrar los puntos donde la media es cero.