Nonparametric estimation of the intensity function of a spatial point process on a Riemannian manifold
黎曼流形上空间点过程强度函数的非参数估计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：摘要聚焦流形上的空间点过程强度估计，所给领域细分中没有与该研究直接对应的方向。
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…
关注这篇论文的作者
黎曼流形上空间点过程强度函数的非参数估计
- 研究问题
- 对于定义在黎曼流形上的空间点过程，如何非参数估计其强度函数，并利用局部曲率改善有限样本中的估计表现？
- 方法与思路
- 作者提出强度函数的核估计量，对泊松过程开展一阶渐近分析，并通过经验研究考察有限样本和其他生成机制。
- 材料陈述的贡献
- 摘要称，研究提供了泊松过程下的一阶渐近分析，并指出让带宽适应局部曲率具有改善有限样本表现的空间。
- 阅读关注点
- 应核对核函数与流形体积的处理、渐近框架和带宽条件，以及局部曲率自适应的具体实现与非泊松情形的证据。
- 阅读边界
- 仅依据所给Crossref摘要；理论分析明确针对泊松过程，其他生成机制仅有经验考察，带宽改进也未给出量化结果。
原文摘要
Summary This paper is concerned with nonparametric estimation of the intensity function of a point process on a Riemannian manifold. It provides a first-order asymptotic analysis of the proposed kernel estimator for Poisson processes, supplemented by empirical work to probe the behaviour in finite samples and under other generative regimes. The investigation highlights the scope for finite-sample improvements by allowing the bandwidth to adapt to local curvature.