The Signal Extraction Approach to Nonlinear Regression and Spline Smoothing
非线性回归与样条平滑的信号提取方法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：摘要研究一般成对数据的回归平滑，使用 Kalman 滤波本身不足以认定时间序列应用。
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
非线性回归与样条平滑的信号提取方法
- 研究问题
- 如何不预先指定曲线的参数函数形式，对成对观测拟合平滑样条，并同时提供给定解释变量时的点估计与区间估计？
- 方法与思路
- 作者建立数据的信号加噪声模型，以最大似然进行估计，并使用 Kalman 滤波计算似然，从而拟合多项式样条曲线。
- 材料陈述的贡献
- 摘要称，该方法可描述数据模式并预测未知响应，计算需求在大样本下仍较低；相较既有方法具有明显计算优势。
- 阅读关注点
- 核对信号模型与样条表示的对应关系、平滑程度的确定方式、区间估计的覆盖对象，以及计算优势所依赖的比较条件。
- 阅读边界
- 材料仅为版本未注明的 OpenAlex 索引摘要；平滑选择、区间性质及计算比较细节未说明，不能推断刊本变化。
原文摘要
This article shows how to fit a smooth curve (polynomial spline) to pairs of data values (yi, xi ). Prior specification of a parametric functional form for the curve is not required. The resulting curve can be used to describe the pattern of the data, and to predict unknown values of y given x. Both point and interval estimates are produced. The method is easy to use, and the computational requirements are modest, even for large sample sizes. Our method is based on maximum likelihood estimation of a signal-in-noise model of the data. We use the Kalman filter to evaluate the likelihood function and achieve significant computational advantages over previous approaches to this problem.