Smoothing Splines on Riemannian Manifolds, with Applications to 3D Shape Space
黎曼流形上的平滑样条及其在三维形状空间中的应用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：摘要研究流形与形状数据的平滑方法，未直接涉及所列经济计量细分方向。
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…
黎曼流形上的平滑样条及其在三维形状空间中的应用
- 研究问题
- 如何将平滑样条拟合推广到黎曼流形上的数据，特别是高维欧氏空间中的形状配置，并实现可计算的拟合程序？
- 方法与思路
- 作者推广展开、解包与包裹技术，将 Kendall 形状空间的测地线平行移动联系到一阶微分方程，并进行数值求解。
- 材料陈述的贡献
- 摘要称上述联系使高维形状数据的平滑样条能够通过数值程序求得，扩展既有二维形状研究并应用于动态三维肽数据。
- 阅读关注点
- 应核对流形与形状空间的几何条件、隐式系数的计算、数值近似误差，以及平滑参数和动态肽数据的拟合评价。
- 阅读边界
- 仅据所给 Crossref 摘要，数值算法的稳定性、精度及统计误差保证未说明，也不能推断后续刊本的内容变化。
原文摘要
Abstract There has been increasing interest in statistical analysis of data lying in manifolds. This paper generalizes a smoothing spline fitting method to Riemannian manifold data based on the technique of unrolling, unwrapping and wrapping originally proposed by Jupp and Kent for spherical data. In particular, we develop such a fitting procedure for shapes of configurations in general m-dimensional Euclidean space, extending our previous work for two-dimensional shapes. We show that parallel transport along a geodesic on Kendall shape space is linked to the solution of a homogeneous first-order differential equation, some of whose coefficients are implicitly defined functions. This finding enables us to approximate the procedure of unrolling and unwrapping by simultaneously solving such equations numerically, and so to find numerical solutions for smoothing splines fitted to higher dimensional shape data. This fitting method is applied to the analysis of some dynamic 3D peptide data.