待验证50% 置信事实精确时间

CP 分解保留样本、传感器、时间三个维度的结构信息，可同时判断是否发生异常并定位异常发生的传感器和时间段

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

稀疏张量分解新方法：多元函数数据异常检测的突破

涉及实体

CP 分解concept ES-CPconcept FG-Lassoconcept

相关事实

待验证变点检测（CPD）常用算法包括CUSUM、PELT和贝叶斯在线变点检测（BOCPD），用于识别时间序列数据中统计特性发生突变的时刻70% 相似待验证自动拆分大型 PR 需要通过静态分析识别代码间的调用关系、数据流依赖和类型依赖，并找到合理切割点使每个子 PR 能独立通过 CI 流水线65% 相似待验证检测非常量时间执行问题的传统工具包括 dudect 和 ctgrind63% 相似待验证ACPX的PR处理工作流包括意图识别、实现评估、冲突检测与解决、审查-重构循环、CI验证和升级机制等步骤62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983453

API

curl https://kongchang.com/api/v1/knowledge/claims/983453

MCP

get_claim(id=983453)