Distribution of Distances based Object Matching: Asymptotic Inference
基于距离分布的对象匹配：渐近推断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：摘要中的分布用于几何对象匹配，不属于所列经济分位数与分布效应方向。
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…
基于距离分布的对象匹配：渐近推断
- 研究问题
- 如何利用对象内部成对距离的分布，对一般对象开展不受姿态影响的统计区分，并建立可计算检验的渐近理论？
- 方法与思路
- 作者将对象建模为度量测度空间，使用Gromov–Wasserstein距离下界的修剪经验版本，并构造按修剪参数索引的U型过程。
- 材料陈述的贡献
- 摘要称，作者推导修剪及未修剪统计量的分布极限，建立该U型过程的弱收敛，并以模拟和蛋白质结构比较展示方法。
- 阅读关注点
- 应核对距离下界与对象可区分性的关系、修剪参数范围、样本生成方式，以及弱收敛条件和检验的实际校准。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，不能推断刊本变化；距离分布下界可能保留哪些对象信息及检验适用条件，摘要未说明。
原文摘要
In this article, we aim to provide a statistical theory for object matching based on a lower bound of the Gromov-Wasserstein distance related to the distribution of (pairwise) distances of the considered objects. To this end, we model general objects as metric measure spaces. Based on this, we propose a simple and efficiently computable asymptotic statistical test for pose invariant object discrimination. This is based on a (β-trimmed) empirical version of the afore-mentioned lower bound. We derive the distributional limits of this test statistic for the trimmed and untrimmed case. For this purpose, we introduce a novel U-type process indexed in β and show its weak convergence. The theory developed is investigated in Monte Carlo simulations and applied to structural protein comparisons. Supplementary materials for this article are available online.