Least-Squares Fitting by Monotonic Functions Having Integer Values
整数值单调函数的最小二乘拟合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：摘要研究一般单调回归的取值约束与优化，没有明确的分布效应、结构估计或其他领域依据。
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
整数值单调函数的最小二乘拟合
- 研究问题
- 当单调回归的拟合值必须为整数，或必须落在指定闭集中时，怎样求得满足取值限制的最小二乘最优拟合？
- 方法与思路
- 作者先进行不受取值限制的单调回归，再把各拟合值舍入到闭集中最近的元素，并处理并列最近值的选择。
- 材料陈述的贡献
- 摘要称这一简单程序能得到受限最优单调拟合；并列最近值可择其一，但必须保持单调性并处理一项额外细节。
- 阅读关注点
- 应核对最优性证明、闭集限制的适用范围，以及并列最近值时如何保持单调性和处理摘要提到的额外细节。
- 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；摘要未解释额外细节，也未说明更复杂约束下是否适用。
原文摘要
Least-squares monotone regression (also known as least-squares isotone regression) is being used increasingly. Recently, an application arose in which the fitted values are restricted to be integers. We prove that a very simple procedure yields the optimum monotonic fit subject to this restriction, or to the more general restriction that the fitted values lie in some specified closed set. This procedure is to perform unrestricted monotone regression, and then to round off each resulting value to the nearest element of the closed set. When there are two nearest elements in the closed set, either one may be chosen, subject to the preservation of monotonicity and to one minor complication.