Iterative Filtered Derivative with t-value method for change point detection

Doha Hadouni — Université Blaise Pascal (DMI)
vendredi 28 avril 2017

L’étude concerne la détection de rupture a posteriori en utilisant la méthode de Dérivée Filtrée avec t-Value Itérative (I-FDtV). Il s’agit d’un algorithme en deux étapes. Dans la première, on utilise la fonction dérivée filtrée (FD), basée sur deux extra-paramètres : le seuil de détection et la taille de la fenêtre, pour sélectionner un ensemble de points de rupture potentiels. Dans la seconde étape, on calcule la t-value pour chaque point de rupture potentiel que l’on compare avec une t-value critique itérativement incrémentée. Ainsi, on retient les vrais positifs (avec probabilité 1-\alpha_1) et on rejette les faux positifs (avec probabilité 1-\alpha_2). De plus, nous présentons les résultats théoriques et les choix pratiques pour les extra-paramètres de la méthode.


Agenda

<<

2017

>>

<<

Juin

>>

Aujourd'hui

LuMaMeJeVeSaDi
2930311234
567891011
12131415161718
19202122232425
262728293012

Annonces

ESANN 2016 : European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning


STATLEARN 2016


ICOR 2016