Spectral CUSUM for Online Network Structure Change Detection

要約

ノイズの多い観測からネットワークのコミュニティ構造の急激な変化を検出することは、統計と機械学習の基本的な問題です。
この論文では、Spectral-CUSUM と呼ばれるオンライン変化検出アルゴリズムを提示し、一般化された尤度比統計を通じて未知のネットワーク構造の変化を検出します。
Spectral-CUSUM 手順の平均実行長 (ARL) と予想される検出遅延 (EDD) を特徴付け、その漸近的な最適性を証明します。
最後に、スペクトル CUSUM 手順の優れたパフォーマンスを実証し、センサー ネットワーク データを使用した地震イベント検出に関するシミュレーションと実際のデータ例を使用して、いくつかのベースライン方法と比較します。

要約(オリジナル)

Detecting abrupt changes in the community structure of a network from noisy observations is a fundamental problem in statistics and machine learning. This paper presents an online change detection algorithm called Spectral-CUSUM to detect unknown network structure changes through a generalized likelihood ratio statistic. We characterize the average run length (ARL) and the expected detection delay (EDD) of the Spectral-CUSUM procedure and prove its asymptotic optimality. Finally, we demonstrate the good performance of the Spectral-CUSUM procedure and compare it with several baseline methods using simulations and real data examples on seismic event detection using sensor network data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google