Scale space view of curve estimation
曲线估计的尺度空间视角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：摘要研究一般非参数曲线平滑与探索分析，未明确分位数、时间序列或其他所列细分对象。
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
曲线估计的尺度空间视角
- 研究问题
- 如何同时考察不同平滑参数下的非参数曲线估计，并用尺度空间中的特征支持数据结构的统计探索？
- 方法与思路
- 作者将按平滑参数索引的一族曲线表示为尺度空间曲面，研究其统计特征，建立弱收敛及相关渐近结果，并发展 SiZer。
- 材料陈述的贡献
- 摘要称理论分析为非参数平滑提供新的理解和数据特征探索技术，并用于开发名为 SiZer 的探索性数据分析工具。
- 阅读关注点
- 应核对尺度空间曲面的定义、弱收敛所用空间与正则条件，以及 SiZer 如何区分稳定特征和抽样噪声。
- 阅读边界
- 索引摘要未注明稿件版本，未给出具体正则条件、区间构造或多重比较处理；不能仅凭摘要判断特征判定的误差控制。
原文摘要
Scale space theory from computer vision leads to an interesting and novel approach to nonparametric curve estimation. The family of smooth curve estimates indexed by the smoothing parameter can be represented as a surface called the scale space surface. The smoothing parameter here plays the same role as that played by the scale of resolution in a visual system. In this paper, we study in detail various features of that surface from a statistical viewpoint. Weak convergence of the empirical scale space surface to its theoretical counterpart and some related asymptotic results have been established under appropriate regularity conditions. Our theoretical analysis provides new insights into nonparametric smoothing procedures and yields useful techniques for statistical exploration of features in the data. In particular, we have used the scale space approach for the development of an effective exploratory data analytic tool called SiZer.