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的某个阈值“更远”。
到目前为止，我已经发现了如何使用 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使用 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
或者
http://www.dtic.mil/dtic/tr/fulltext/u2/a080454.pdf
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，我随后将这些参数用作 R“优化”函数中的起始点，以最小化最大值曲线与实际点的偏差。
任何帮助，将不胜感激。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。
我希望还有其他人已经遇到过这个问题并且可以帮助我；）
谢谢你。