On the path density of a gradient field
梯度场的路径密度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：摘要涉及点云几何结构与密度估计，未提供经济网络或干扰效应的文本依据。
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…
梯度场的路径密度
- 研究问题
- 面对包含噪声且具有多条不同大小和形状细丝的点云，如何可靠识别这些结构，并为识别方法提供统计保证？
- 方法与思路
- 作者从各数据点沿核密度估计的最陡上升方向构造路径，通过路径高度集中的区域定位细丝，并定义路径密度。
- 材料陈述的贡献
- 摘要称提出以梯度上升路径集中程度识别细丝的方法，并构造路径密度的一致估计量，以回应既有方法的局限。
- 阅读关注点
- 应核对路径密度的数学定义、核与带宽选择、一致性所需条件，以及路径密度估计如何转化为细丝识别规则。
- 阅读边界
- 仅据版本未注明的索引摘要；一致性条件、识别误差和噪声适应能力的量化结果未提供，不能推断完整恢复保证。
原文摘要
We consider the problem of reliably finding filaments in point clouds. Realistic data sets often have numerous filaments of various sizes and shapes. Statistical techniques exist for finding one (or a few) filaments but these methods do not handle noisy data sets with many filaments. Other methods can be found in the astronomy literature but they do not have rigorous statistical guarantees. We propose the following method. Starting at each data point we construct the steepest ascent path along a kernel density estimator. We locate filaments by finding regions where these paths are highly concentrated. Formally, we define the density of these paths and we construct a consistent estimator of this path density.