Kernel density estimation via diffusion
基于扩散过程的核密度估计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：摘要属于通用核密度估计方法，未明确研究经济分布效应或所列其他细分方向。
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…
基于扩散过程的核密度估计
- 研究问题
- 如何利用初步密度估计实现自适应核平滑，并设计不依赖任意正态参考规则的带宽选择方法，以改善密度估计表现？
- 方法与思路
- 作者以线性扩散过程构造自适应核密度估计量，纳入初步密度估计的信息，并提出新的代入式带宽选择方法。
- 材料陈述的贡献
- 摘要称新带宽方法摆脱既有方法中的任意正态参考规则，并在所展示的模拟例子中提高估计准确性与可靠性。
- 阅读关注点
- 应核对扩散过程与估计核的对应、初步估计的作用、带宽算法的可计算性，以及模拟中的分布类型和比较指标。
- 阅读边界
- 索引摘要未注明稿件版本；渐近条件、边界处理和模拟数值未说明，不能将示例中的优势解读为普遍优越性。
原文摘要
We present a new adaptive kernel density estimator based on linear diffusion processes. The proposed estimator builds on existing ideas for adaptive smoothing by incorporating information from a pilot density estimate. In addition, we propose a new plug-in bandwidth selection method that is free from the arbitrary normal reference rules used by existing methods. We present simulation examples in which the proposed approach outperforms existing methods in terms of accuracy and reliability.