arXiv cs.AI· Adri\'an P\'erez-Herrero, Paulo F\'elix, Jes\'us Presedo, Carl Henrik Ek·· 11 小时前AI 评分18
基于贝叶斯非参数方法的时间序列动态聚类
Bayesian Nonparametric Dynamical Clustering of Time Series
AI 导读
研究提出一种贝叶斯非参数方法，用分层 Dirichlet 过程作为 Switching Linear Dynamical System 参数的先验，并以高斯过程先验建模各聚类内幅度与时间对齐的统计变化，从而在未知数量线性动态机制间切换、跟踪无界数量时间序列聚类的演化。该方法通过变分下界统一处理离线与在线场景，以优化方式高效学习，并在公开数据库的心电图分析案例中验证了有效性。
正文 · AI 翻译
摘要：我们提出了一种方法，通过在未知数量的线性动态机制之间切换，对数量不受限制的时间序列簇的演化进行建模。我们开发了一种贝叶斯非参数方法，使用分层 Dirichlet 过程作为 Switching Linear Dynamical System 参数的先验，并使用高斯过程先验来建模每个簇内幅度和时间对齐的统计变化。通过对时间序列模式的演化进行建模，该方法以有原则的方式避免了簇的不必要增殖。我们通过为离线和在线场景构建变分下界来进行推断，从而通过优化实现高效学习。我们通过使用公开数据库进行心电图分析的若干案例研究，说明了该方法的多功能性和有效性。
| 评论： | 修订版，包含方法学改进、扩展的实验结果以及展示方面的改进 |
| 主题： | 机器学习（stat.ML）；人工智能（cs.AI）；机器学习（cs.LG）；应用（stat.AP） |
| ACM 分类： | I.5；I.2.1 |
| 引用为： | arXiv:2510.06919 [stat.ML] |
| （或此版本的 arXiv:2510.06919v2 [stat.ML]） | |
| https://doi.org/10.48550/arXiv.2510.06919 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Adrian Perez-Herrero [查看电子邮件]
[v1]
2025年10月8日星期三 11:52:39 UTC（5,541 KB）
[v2]
2026年10月20日星期二 17:41:05 UTC（13,408 KB）
来源：arXiv cs.AI · arxiv.org