Visual Error Criteria for Qualitative Smoothing
定性平滑的视觉误差准则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：摘要讨论通用曲线估计的视觉评价，未提供所列经济计量细分方向的直接依据。
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
定性平滑的视觉误差准则
- 研究问题
- 传统函数空间范数与图形呈现中的视觉差异并不一致时，如何构造更贴近视觉印象的非参数曲线估计误差准则？
- 方法与思路
- 作者从图形和数学两个角度构造并分析视觉误差准则，以小波回归与核密度估计为例讨论其在曲线平滑中的作用。
- 材料陈述的贡献
- 摘要明确提出更接近视觉印象的数学误差标准，旨在缩小经典非参数估计理论与实际图形判断之间的差距。
- 阅读关注点
- 应核对视觉误差的数学定义、其与传统范数的关系，以及图形尺度和展示方式是否影响准则及平滑方法的比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明视觉标准的具体形式、评价验证或普适性。
原文摘要
An important gap, between the classical mathematical theory and the practice and implementation of nonparametric curve estimation, is due to the fact that the usual norms on function spaces measure something different from what the eye can see visually in a graphical presentation. Mathematical error criteria that more closely follow “visual impression” are developed and analyzed from both graphical and mathematical viewpoints. Examples from wavelet regression and kernel density estimation are considered.