Multiscale clustering of nonparametric regression curves
非参数回归曲线的多尺度聚类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：摘要以多条时间序列的非参数回归函数及序列依赖为研究对象。
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
非参数回归曲线的多尺度聚类
- 研究问题
- 面对多条可能具有共同回归函数的时间序列，如何从数据识别分组及组数，同时避免传统带宽或平滑参数的选择？
- 方法与思路
- 作者构造不依赖经典带宽和平滑参数的多尺度分组估计量，并在允许时间方向及序列之间依赖的条件下分析统计性质。
- 材料陈述的贡献
- 摘要明确提出同时估计未知组结构与组数的方法，并给出允许双向依赖的理论分析，以及模拟和真实数据示例。
- 阅读关注点
- 应核对组间函数差异需要多大、依赖条件如何限制数据，以及多尺度规则是否仍需阈值、显著性水平或其他调节。
- 阅读边界
- 仅据所给出版社摘要，无法判断分组恢复条件与具体误差界；不依赖经典带宽不等于完全无需选择任何参数。
原文摘要
In a wide range of modern applications, one observes a large number of time series rather than only a single one. It is often natural to suppose that there is some group structure in the observed time series. When each time series is modeled by a nonparametric regression equation, one may in particular assume that the observed time series can be partitioned into a small number of groups whose members share the same nonparametric regression function. We develop a bandwidth-free clustering method to estimate the unknown group structure from the data. More precisely speaking, we construct multiscale estimators of the unknown groups and their unknown number which are free of classical bandwidth or smoothing parameters. In the theoretical part of the paper, we analyze the statistical properties of our estimators. Our theoretical results are derived under general conditions which allow the data to be dependent both in time series direction and across different time series. The technical analysis of the paper is complemented by simulated and real-data examples.