Change-Point Detection using Krylov Subspace Learning
Change-Point Detection using Krylov Subspace Learning
复制标题
使用 Krylov 子空间学习进行变化点检测
DOI：
--
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
K. Tsuda
中科院分区：
文献类型：
--
作者：
T. Idé;K. Tsuda
我们提出了一个有效的算法，主成分分析（PCA），适用于当只需要一个给定的向量的内积。我们表明，Krylov子空间学习的工作以及在矩阵压缩和隐式计算的内积，充分利用的任意性的种子向量。我们将我们的算法应用于基于PCA的变点检测算法，并表明它导致约50倍的计算时间的改善。
We propose an efficient algorithm for principal component analysis (PCA) that is applicable when only the inner product with a given vector is needed. We show that Krylov subspace learning works well both in matrix compression and implicit calculation of the inner product by taking full advantage of the arbitrariness of the seed vector. We apply our algorithm to a PCA-based change-point detection algorithm, and show that it results in about 50 times improvement in computational time.