广东工业大学自动化学院 朱鸿斌

变点检测方法普遍应用于各个工程领域，但是，传统的变点检测方法使用的是参数法，该方法在复杂环境下存在一定的局限性。为克服该问题，本文介绍一种基于AUC统计量非参数变点检测方法。ROC曲线下的区域（AUC）指标可用于描述二分类器性能，数据信号的分离程度。其中，AUC统计量和Mann-Whitney U（曼-惠特尼）统计量是等价的。因其具有简单，计算方便等优点，因此本文将介绍该指标在变点检测中问题的应用。实验结果表明，该方法具有一定的有效性和实用性。

1 AUC简介和变点检测介绍

1.1 AUC简介

ROC分析起源于20世纪50年代初期，目前已成为一种重要的工具，并广泛应用在不同的科学工程领域，包括机器学习、计算机视觉、信号处理、生物信息学和能源探测器信号处理中的一些未解决的问题等。ROC曲线是由在不同判决门限下真阳性率和假阳性率所构成的，接收机工作特性曲线下的面积（Area Under the Curve，以下简称AUC）可以评估分类器能否有效地将特定问题中的阳性类样本和阴性类样本区分出来，也可用来判断两类样本是否存在差异。若AUC的数值越大，说明两类样本的重合度越低，这也意味着分类器的分类性能越好，或者两类数据分离程度较高。

1.2 变点检测介绍

变点在工程上也被称为异常点，指一个信号或者模型突然发生变化的点。变点检测是判断信号或数据序列是否发生变化，以及突变的时刻。变点检测技术目前已经广泛应用于工程领域中。……