時系列構造変化点検出のためのSPRTにおける重回帰モデルの再学習方法

カテゴリ: 全国大会

論文No: 3-064

グループ名: 【全国大会】平成26年電気学会全国大会論文集

発行日: 2014/03/05

タイトル(英語): Relearning of Multiple Regression Model Based SPRT for Structural Change Detection of Time Series

著者名: 開作 直樹(大阪府立大学),佐賀 亮介(大阪府立大学)

著者名(英語): Naoki Kaisaku(Osaka Prefecture University),Ryosuke Saga(Osaka Prefecture University)

キーワード: 時系列構造変化点検出|逐次確率比検定|重回帰|再学習

要約(日本語): リアルタイムの時系列に対して応用できる時系列構造変化点検出手法として逐次確率比検定（SPRT）が注目されている．SPRTは，観測された確率事象の割合が所定の基準値よりと同じか否かを決定するために使われる手法である．しかし，先行研究では一度のみ変化点検出することができるが，その後に続く複数の変化点を検出することができない．そこで本論文では，次々に観測される時系列に存在する複数の変化点の検出を可能にすることを目的とし，変化点検出後にモデルを再学習する手法を提案する．さらに，日経平均株価225データによる実験を行い，提案手法の有用性を示す．

原稿種別: 日本語

PDFファイルサイズ: 504 Kバイト