본 연구에서는 다중 변화점 탐색과 관련하여 최근 많은 관심을 받고 있는 ℓ0-벌점 최소제곱법과 fused-라쏘-회귀(fused lasso regression; FLR)방법을 모의 실험을 통하여 비교하였다. 모의 실험의 결과로 FLR방법은 비-변화점을 변화점으로 잘못 탐색하는 경향이 ℓ0-벌점 최소제곱법과 비교할 때 상대적으로 높게 나타났으며 ℓ0-벌점 최소제곱법이 전반적으로 FLR방법에 비하여 좋은 성능을 보였다. 더불어 ℓ0-벌점 최소제곱법은 동적프로그래밍을 통하여 FLR 방법과 유사하게 효율적인 계산이 가능하다.

In this paper, we numerically compare two penalized least square methods, the ℓ0-penalized method and the fused lasso regression (FLR, ℓ1 penalization), in finding multiple change points of a signal. We find that the ℓ0-penalized method performs better than the FLR, which produces many false detections in some cases as the theory tells. In addition, the computation of ℓ0-penalized method relies on dynamic programming and is as efficient as the FLR.