我目前正在研究时间序列数据压缩。
这个想法是在 n 个点的时间序列上拟合一条曲线，以便任何点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的某个阈值“更远”。
到目前为止，我已经找到了如何使用 R（函数）和其他语言中的最小二乘估计方法进行非线性回归nls，但我还没有找到任何使用 L-infinity 范数实现非线性回归的包。
我找到了关于和范数中的非线性曲线拟合”的论文，作者是 Shrager 和 Hill，以及“A linear programming algorithm for curvefitting in the norm”，作者是 Armstrong 和 Sklar .
例如，我可以尝试在 R 中实现这一点，但我首先要看看这是否还没有完成，我是否可以重用它。
我找到了一个我认为不是“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，我随后将其用作 Roptim函数中的起始点，以最小化最大偏差从实际点的曲线。
这个想法是能够找出这种类型的曲线拟合是否可能在给定的时间序列序列上，并确定允许它的参数。