Abstract: M. Hu, S. Zhou, W. E. I. Jiajie, Y. Deng, Q. U. Wenting (2014)

Change-point detection in time-series is an important data mining task with applications to abnormity diagnosis, events monitoring, climate change analysis, and other domains. This paper presents a novel method based on recurrence plot for detecting multiple change-points in multivariate time series. Bhattacharyya distance function is applied to improve the recurrence plot generation so as to capture the dependency change among variables. A window-based detection algorithm is proposed to capture the change-points quickly and automatically. With experiments on artificial and real datasets, we show that the algorithm has made improvement to traditional recurrence plot, is able to handle noisy data with optimized parameter, and can cope with complex situation like human activity and micro-blog events monitoring.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Change-point detection in multivariate time-series data by Recurrence Plot