Regularity and Uniqueness for Constrained M-Estimates and Redescending M-Estimates
约束M估计与回降型M估计的正则性和唯一性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：摘要属于一般稳健估计与优化理论，没有足够证据对应所列应用方向。
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
约束M估计与回降型M估计的正则性和唯一性
- 研究问题
- 多元位置与散布的约束M估计可能具有多个驻点，什么条件能使总体目标函数至多存在一个局部极小点？
- 方法与思路
- 作者联系约束优化与回降型M估计，引入相对于特定目标函数的正则分布类，分析目标函数的驻点和极小点。
- 材料陈述的贡献
- 摘要称给出使目标函数具有良好行为的条件，特别是至多一个局部极小点，并提出相应的正则分布概念。
- 阅读关注点
- 应核对正则分布的定义、目标函数与约束的形式，以及局部极小点唯一性和驻点唯一性之间的结论边界。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；具体条件未提供，不能将总体层面的结果直接解释为样本优化算法必然收敛。
原文摘要
Constrained M-estimates of multivariate location and scatter are found by finding the global minimum of an objective function subject to a constraint. They are related to redescending M-estimates of multivariate location and scatter since any stationary point of the objective function corresponds to such an M-estimate. Unfortunately, even for the population form of the estimator, that is, the constrained M-functional, the objective function may have multiple stationary points. In this paper, we give conditions under which the objective function is as well behaved as possible, in particular that it has at most one local minimum. To carry out this task, we introduce a class of distributions which we call "regular" distributions with respect to a particular objective function.