Definition and Comparison of Robust Nonlinear Data Smoothing Algorithms
稳健非线性数据平滑算法的定义与比较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：摘要讨论通用数据平滑与滤波，未明确涉及宏观时间序列、金融波动率或其他所列细分。
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
稳健非线性数据平滑算法的定义与比较
- 研究问题
- 当数据包含长尾或偶发尖峰噪声时，怎样构造既抵抗局部异常观测、又能及时响应真实局部模式的平滑器？
- 方法与思路
- 作者定义一组基于滑动中位数的非线性平滑器，并提出描述和比较其滤波性能与抗干扰能力的方法。
- 材料陈述的贡献
- 摘要称其中一些平滑器具有良好的低通传递特性、很小的吉布斯回弹，并能抵抗非高斯扰动。
- 阅读关注点
- 应核对各平滑器的具体步骤、窗口和边界处理、性能指标定义，以及信号模式和噪声设置对比较的影响。
- 阅读边界
- 仅据版本未注明的索引摘要，不能确定哪些算法满足所述性能，也不能将这些陈述推广至所有数据或推断刊本变化。
原文摘要
Nonlinear data smoothers provide a practical method of finding smooth traces for data confounded with possibly long-tailed or occasionally spikey noise. They are resistant to the effects of extreme observations that are not part of the local pattern, yet they are able to respond rapidly to well-supported patterns. This article defines a collection of nonlinear smoothers based upon running medians and presents methods for describing and comparing their performance. The characterizations of the smoothers presented here reveal some with excellent low-pass transfer characteristics, negligible Gibbs rebound, and resistance to the effects of non-Gaussian disturbances.