摘要

变点是指数据序列生成参数的突然变化。在线检测变点在金融、生物测量学和机器人学等应用领域的时序建模和预测中具有重要意义。虽然频率学方法已经产生了在线滤波和预测技术，但大多数贝叶斯论文主要集中在回顾性分割问题上。本文研究了变点前后模型参数独立的情况，并推导出一种用于最近变点精确推理的在线算法。我们使用一个简单的消息传递算法计算当前“运行”长度的概率分布，即自上次变点以来的时间。我们的实现高度模块化，因此该算法可以应用于多种类型的数据。我们通过在三个不同的实际数据集上演示该算法来展示其模块化特性。