A Nonparametric Regression Model With Tree-Structured Response
树结构响应的非参数回归模型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：摘要中的树是响应对象的拓扑结构，未讨论经济网络互动或干扰机制，不能仅凭树结构归入网络方向。
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…
树结构响应的非参数回归模型
- 研究问题
- 当响应变量是具有拓扑结构的树对象时，如何建立其与协变量的回归关系，避免依赖普通欧氏空间中的线性运算？
- 方法与思路
- 作者将非参数回归推广至树结构响应，在树空间中开展平滑，提出快速算法并提供理论依据，以人脑动脉树数据说明方法。
- 材料陈述的贡献
- 摘要称，方法及快速算法能够分析树对象的协变量关系；应用强调，在完整树空间平滑可揭示仅平滑摘要统计量难以捕捉的信息。
- 阅读关注点
- 应核对树空间的表示与拓扑处理、回归目标和平滑准则，以及快速算法的理论保证和完整树分析相对摘要统计量分析的证据。
- 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；摘要未说明距离、平滑条件或具体理论结论，不能据此推断适用于任意树对象。
原文摘要
Developments in science and technology over the last two decades has motivated the study of complex data objects. In this article, we consider the topological properties of a population of tree-structured objects. Our interest centers on modeling the relationship between a tree-structured response and other covariates. For tree-structured objects, this poses serious challenges since most regression methods rely on linear operations in Euclidean space. We generalize the notion of nonparametric regression to the case of a tree-structured response variable. In addition, we develop a fast algorithm and give its theoretical justification. We implement the proposed method to analyze a dataset of human brain artery trees. An important lesson is that smoothing in the full tree space can reveal much deeper scientific insights than the simple smoothing of summary statistics. This article has supplementary materials online.