Scalable SUM-Shrinkage Schemes for Distributed Monitoring Large-Scale Data Streams
Scalable SUM-Shrinkage Schemes for Distributed Monitoring Large-Scale Data Streams
复制标题
用于分布式监控大规模数据流的可扩展 SUM 收缩方案
DOI：
10.5705/ss.202015.0316
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Y. Mei
中科院分区：
文献类型：
--
作者：
Kun Liu;Ruizhi Zhang;Y. Mei
在这篇文章中，受生物监测和审查传感器网络的激励，我们研究了分布式监测大规模数据流的问题，其中一个不希望发生的事件可能在某个未知的时间发生，只影响少数未知的数据流。我们建议开发可扩展的全球监测方案，通过并行运行本地检测程序，并将这些本地程序结合在一起，以基于sum -收缩技术做出全局决策。我们的方法通过两个具体的例子来说明：一个是给定变化前和变化后局部分布的非齐次情况，另一个是监测大量独立的$N(0,1)$数据流的齐次情况，其中一些数据流的平均值可能会移动到未知的正值或负值。数值模拟研究证明了所提方案的有效性。
In this article, motivated by biosurveillance and censoring sensor networks, we investigate the problem of distributed monitoring large-scale data streams where an undesired event may occur at some unknown time and affect only a few unknown data streams. We propose to develop scalable global monitoring schemes by parallel running local detection procedures and by combining these local procedures together to make a global decision based on SUM-shrinkage techniques. Our approach is illustrated in two concrete examples: one is the nonhomogeneous case when the pre-change and post-change local distributions are given, and the other is the homogeneous case of monitoring a large number of independent $N(0,1)$ data streams where the means of some data streams might shift to unknown positive or negative values. Numerical simulation studies demonstrate the usefulness of the proposed schemes.