Nonparametric ridge estimation
非参数密度脊估计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：摘要研究密度几何与流形恢复，没有涉及给定分位数或分布效应等经济计量方向。
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…
非参数密度脊估计
- 研究问题
- 如何估计概率密度的脊以揭示分布及点云的隐藏结构，并理解这些脊与含噪观测背后的流形之间的关系？
- 方法与思路
- 作者利用核密度估计的脊估计真实密度脊，研究含噪流形情形，并调整已有的修正均值漂移算法寻找估计脊。
- 材料陈述的贡献
- 摘要称在正则条件下获得密度脊的一致性，并证明含噪流形情形中的接近性与拓扑相似性，数值实验支持算法准确性。
- 阅读关注点
- 应核对密度脊定义、正则条件、带宽选择与误差度量，以及流形噪声模型和拓扑相似性结论的准确范围。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要；摘要未列明正则条件、噪声限制或误差速率，不能据此保证任意点云的结构恢复。
原文摘要
We study the problem of estimating the ridges of a density function. Ridge estimation is an extension of mode finding and is useful for understanding the structure of a density. It can also be used to find hidden structure in point cloud data. We show that, under mild regularity conditions, the ridges of the kernel density estimator consistently estimate the ridges of the true density. When the data are noisy measurements of a manifold, we show that the ridges are close and topologically similar to the hidden manifold. To find the estimated ridges in practice, we adapt the modified mean-shift algorithm proposed by Ozertem and Erdogmus [J. Mach. Learn. Res. 12 (2011) 1249–1286]. Some numerical experiments verify that the algorithm is accurate.