贝叶斯非参数方法实现时间序列动态聚类

Adrián Pérez-Herrero 等作者提交了论文修订版，提出一种贝叶斯非参数方法，用于在未知数量的线性动态机制之间切换，并跟踪数量无界的时间序列聚类的演化。 该方法以分层 Dirichlet 过程作为 Switching Linear Dynamical System 参数的先验，并用高斯过程先验建模各聚类内幅度与时间对齐的统计变化；通过变分下界统一处理离线与在线场景，以优化方式学习。作者称，该方法在公开数据库的心电图分析案例中验证了有效性。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。