Change-Point Detection, Segmentation, and Related Topics

Jean-Marc Bardet (1) , Vincent Brault (2) , Sergueï Dachian (3) , Farida Enikeeva (4) , Bruno Saussereau (5)

1 SAMM - Statistique, Analyse et Modélisation Multidisciplinaire (SAmos-Marin Mersenne)
2 SVH - Statistique pour le Vivant et l’Homme
3 LPP - Laboratoire Paul Painlevé - UMR 8524
4 MISTIS - Modelling and Inference of Complex and Structured Stochastic Systems
5 LMB - Laboratoire de Mathématiques de Besançon (UMR 6623)

Recent contributions to change-point detection, segmentation and inference for non-regular models are presented. Various problems are considered including the multiple change-point estimation with adaptive penalty for time series with dierent dependency structures, estimation of the singularity point in cusp-type models, inference for thresholded autoregressive models, and cross-segmentation of matrices.

Des contributions récentes dans les problèmes de détection de rupture, de segmentation et de l'inférence pour des modèles non-réguliers sont présentées. Les problèmes considérés incluent l'estimation de plusieurs points de rupture avec une pénalité adaptative pour des séries temporelles avec différentes structures de dépendance, l'estimation d'un point de singularité pour des modèles de type cusp, l'inférence pour des modèles auto-régressifs à seuil et la segmentation croisée des matrices.

Domaines: Théorie [stat.TH]; Applications [stat.AP]; Méthodologie [stat.ME]; Machine Learning [stat.ML]

Jean-Marc Bardet, Vincent Brault, Sergueï Dachian, Farida Enikeeva, Bruno Saussereau. Change-Point Detection, Segmentation, and Related Topics. ESAIM: Proceedings and Surveys, 2020, 68, pp.97 - 122. ⟨10.1051/proc/202068006⟩. ⟨hal-02868510⟩