ノイズの多い時系列があり、平均がゼロの部分と平均がゼロの部分に分割する必要があります。境界をできるだけ正確に見つけることが重要です（境界が正確にどこにあるかを明らかにすることは、少し主観的です）。私はcusumバリアントをこれに適合させることができると思いますが、cusumは主に、セグメンテーション戦略全体を完全に対処しないままにする単一の変更を見つけることに関するものです。
この問題については多くの調査が行われたと思いますが、見つけることができませんでした。
PSこれらの時系列のデータ量は非常に大きく、つまり最大で数億のサンプルであり、個々のサンプルは数百の成分を持つベクトルになる可能性があるため、合理的に迅速に計算できる方法は重要な要素です。
PPSセグメンテーションタグがないため、分類タグがあります。
回答:
ここでの主な問題は効率的な変化点検出であると思われます。それ以降は、サンプル数の精度が高くなると、セグメントの平均を簡単に見つけることができるからです。興味深いかもしれない最近のアプローチは、Z。Harchaoui、F。Bach、およびE. Moulinesです。カーネル変化点分析、ニューラル情報処理システム（NIPS）の進歩、2008年。
これは最新技術ではないかもしれませんが、直観的な方法は、各時点の近くの観測に重みを付けることによってデータを平滑化することです。したがって、サンプルRが時間Tでゼロ平均を持っているかどうかを知りたい場合：
mu(R,T)=w1*Sample(R,T)+w2*Sample(R,T-1)+w3*Sample(R,T+1)....
境界がどこにあるかの定義によっては、おそらく指数関数的な重みが適切な選択になる可能性があります。
各sompleの最初と最後の定義のようないくつかの技術的な詳細に注意を払った後、各muがゼロに十分に近いかどうかをテストして、平均がゼロである点を見つけることができます。