Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Semi-parametric estimation of the change-point of parameters of the non-Gaussian sequences by polynomial maximization method
Języki publikacji
Abstrakty
Zastosowano metodę maksymalizacji wielomianu do syntezy adaptacyjnych algorytmów dla estymacji punktu zmiany wartości średniej oraz wariancji szeregu losowego w trybie a posteriori. Analiza i wyniki modelowania statystycznego wykazały, że uwzględniając parametry nie-gaussowskich danych statystycznych w oszacowaniu wielomianowym uzyskuje się istotny wzrost dokładności.
An application of the maximization technique in the synthesis of polynomial adaptive algorithms for a posterior (retrospective) estimation of the change-point of the mean value or variance of random sequences is presented. Statistical simulation shows a significant increase in the accuracy of polynomial estimates, which is achieved by taking into account the non-Gaussian character of statistical data.
Wydawca
Czasopismo
Rocznik
Tom
Strony
102--107
Opis fizyczny
Bibliogr. 14 poz., wykr.
Twórcy
autor
- Cherkaskij Nacjonal’nij Tekhnicheskij Universitet,Czerkasy Ukraina
autor
- Przemysłowy Instytut Automatyki i Pomiarów PIAP, 02 486 Warszawa, Al. Jerozolimskie 202
Bibliografia
- 1. Chen J., Gupta A.K. Parametric statistical change point analysis. Birkhaeuser, (2012), p.273
- 2. Reeves J., Chen, X.L. Wang, R. Lund, and Q. Lu. A review and comparison of change-point detection techniques for climate data. Journal of Applied Meteorology and Climatology, 46(6): 900 –915, (2007).
- 3. Wang Y., C. Wu, Z. Ji, B. Wang, and Y. Liang. Non-parametric change-point method for differential gene expression detection. PLoS ONE, 6(5):e20060, (2011).
- 4. Yamanishi K., Takeuchi J., Williams G., and Milne P., On-line unsupervised outlier detection using finite mixtures with discounting learning algorithms. In Proceedings of the Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, (2000) p. 320–324.
- 5. Constantinos S. Hilas, Ioannis T. Rekanos, and Paris Ast. Mastorocostas, “Change Point Detection in Time Series Using Higher-Order Statistics: A Heuristic Approach,” Mathematical Problems in Engineering, vol. 2013, Article ID 317613, 10 pages, (2013).
- 6. Liu S., Yamada, M., Collier, N., & Sugiyama, M. Change-point detection in time-series data by relative density-ratio estimation. Neural Networks vol.43, (2013) p.72-83.
- 7. Lokajicek T, and Klima K., “A First Arrival Identification System of Acoustic Emission (AE) Signals by Means of a Higher-Order Statistics Approach”. Measurement Science and Technology, Vol. 17 (2006), p.2461-66.
- 8. Yih-Ru Wang, The signal change-point detection using the highorder statistics of log-likelihood difference functions, Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing ICASSP (2008)., vol., no., p. 4381- 4384.
- 9. Brodsky B., Darkhovsky B. Nonparametric Methods in Change-Point Problems. Kluwer Academic Publishers, Dordrecht, the Netherlands, (1993).
- 10. Kunchenko Y., Polynomial Parameter Estimations of Close to Gaussian Random variables. Shaker Verlag Aachen, Germany, (2002).
- 11. Hinkley D. Inference about the change-point in а sequence of random variables Biometrika. v. 57 (1970) no 1, p. 1–17.
- 12. Кunchenko Y.P., Zabolotnyii S.V., Polinominalnyje ocenki parametrov sluchainykh vielichyn. Chast II. Ocenka parametrov bliskih k gaussowskim sluchainyh vielichyn. Monography of Cherkasy State University of Technology ChITI, Cherkasy (2001) s.s.251 (in Russian)
- 13. Nosek K., Metody wykrywania punktu zmiany przy ograniczeniach na kształt alternatyw. Praca doktorska. AGH 2012
- 14. Korczyński M.J., Warsza Z.L.: Properties of virtual instrument to on-line measurement of nonstationary processes. Proceedings (Abstracts) of 3rd International Conference Manufacturing 2010, Poznań University of Technology, s.198
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-c0fae801-bf4e-4c6c-9854-c3e5c1f06e8c