14、大规模在线分析的变化检测框架与小麦微阵列数据整合研究

大规模在线分析的变化检测框架与小麦微阵列数据整合研究

1. 大规模在线分析的变化检测方法

在大规模在线分析中，变化检测是至关重要的。以下将介绍几种常见的基于停止规则的统计测试方法，以及其他变化检测技术。

1.1 基于停止规则的统计测试

这些测试利用停止规则在有变化和无变化的假设之间做出决策。当达到停止规则时，变化检测方法会发出变化信号。常见的方法及其停止规则如下：
- CUSUM测试 ：累积和（CUSUM算法）是一种变化检测算法，当输入数据的均值与零有显著差异时会发出警报。其输入 $\epsilon_t$ 可以是任何滤波器残差。停止规则为：
- $g_0 = 0$
- $g_t = \max (0, g_{t - 1} + \epsilon_t - \upsilon)$
- 若 $g_t > h$，则发出警报并将 $g_t$ 重置为 0
CUSUM测试是无记忆的，其准确性取决于参数 $\upsilon$ 和 $h$ 的选择，且它是单侧或不对称测试，仅能检测统计量单方向的增加。
- Page Hinckley测试 ：当信号增加时，停止规则为：
- $g_0 = 0$
- $g_t = g_{t - 1} + (\epsilon_t - \upsilon)$
- $G_t = \min(g_t, G_{t - 1})$
- 若 $g_t - G_t > h$，则发出警报并将 $g_t$ 重置为 0
当信号减小时，使用 $G_t = \max(g_t, G_{t - 1})$ 且 $G_