Abstract
首先我們回顧一些為時間序列分析而創設的模型，並比較它們特殊的用途。在這些模型中，分段式線性模型有一個其它模型所沒有的特點，那就是它提供了一個機會，使得我們在建立模，丑時能夠加入我們對該將被描述的序列所預知的一些特性。該模型將被重新定義以使它能更具通用性。據分析，凡是約略能由幾個線性模型描述的訊號都適用於此模型。而後，我們有系統地討論如何為分段式線性模型建立一個演算法則。包括用來選擇最好模型的法則，計算各線性模型參數的運算法則，以及選定模型後該做的診斷性的檢查。分段式線性模型首創者所提議的演算法則將被討論，其中有些地方值得改良。其運算複雜度也將被詳盡分析。根據上述的分析，我們建立了一個快速的演算法則，這個新的演算法則大大地減少了運算量，它判別一個分段式線性模型的參數所需的時間，當延遲參數固定時，只相當於判別一個傳統的線性模型參數所需的時間。同時，此演算法則也包含了快速估計真正閾值的方法。此外，當預設的閾值個收夠多的時候，真正線性模型的個數並不預先知道就可以找出來，與原先的演算法則比較，這又再次地減少了運算量。最後，根據實驗結果，得知一些改良此演算法則的可行辦法，並提供了往後研究的方向。