我正在研究时间序列数据压缩。
想法是在n个点的时间序列上拟合曲线,使得任何点上的最大偏差不大于给定阈值。换句话说,曲线在定义时间序列的点处所取的值都不应该比实际值“远离”某个阈值。
到目前为止,我已经找到了如何使用R(nls函数)和其他语言中的最小二乘估计方法进行非线性回归,但我还没有找到任何用L-infinity范数实现非线性回归的包。
我找到了关于这个主题的文献:
http://www.jstor.org/discover/10.2307/2006101?uid=3737864&uid=2&uid=4&sid=21100693651721
或
http://www.dtic.mil/dtic/tr/fulltext/u2/a080454.pdf
我可以尝试在R中实现这个,但我首先要看看是否还没有完成,我可以重用它。
我找到了一个我认为不“非常科学”的解决方案:我使用非线性最小二乘回归来找到参数的起始值,我随后将其作为R“optim”函数中的起点使用最小化曲线与实际点的最大偏差。
任何帮助将不胜感激。我们的想法是能够找出这种类型的曲线拟合是否可以在给定的时间序列序列上进行,并确定允许它的参数。
我希望还有其他人已经遇到过这个问题,这对我有帮助;)
谢谢。