Comparison of Smoothing Parameterizations in Bivariate Kernel Density Estimation
二元核密度估计中平滑参数化的比较AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般二元密度估计的平滑参数选择，没有经济分布效应或其他所列领域细分的直接研究内容。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
二元核密度估计中平滑参数化的比较
- 研究问题
- 二元核密度估计使用一至三个独立平滑参数时，灵活性与复杂性如何权衡，方向旋转又在何种密度形态下有益？
- 方法与思路
- 作者用渐近及精确的平均积分平方误差比较不同平滑参数化，考察各坐标独立平滑、核方向旋转与球化方法。
- 材料陈述的贡献
- 摘要称各坐标独立平滑很重要，非坐标方向曲率较大时自由旋转可有明显收益，而球化选方向的方法一般有不利影响。
- 阅读关注点
- 应核对比较中的密度类别、核函数与误差准则，并区分坐标独立平滑、自由方向选择及球化策略的具体定义。
- 阅读边界
- 仅有 OpenAlex 索引摘要，稿件版本未注明；结论所覆盖的密度条件和增益数值未提供，不能推断所有场景的排序或刊本变化。
原文摘要
The basic kernel density estimator in one dimension has a single smoothing parameter, usually referred to as the bandwidth. For higher dimensions, however, there are several options for smoothing parameterization of the kernel estimator. For the bivariate case, there can be between one and three independent smoothing parameters in the estimator, which leads to a flexibility versus complexity trade-off when using this estimator in practice. In this article the performances of the different possible smoothing parameterizations are compared, using both the asymptotic and exact mean integrated squared error. Our results show that it is important to have independent smoothing parameters for each of the coordinate directions. Although this is enough for many situations, for densities with high amounts of curvature in directions different to those of the coordinate axes, substantial gains can be made by allowing the kernel mass to have arbitrary orientations. The “sphering” approaches to choosing this orientation are shown to be detrimental in general, however.