Approximate Likelihood for Large Irregularly Spaced Spatial Data
大型不规则空间数据的近似似然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：摘要研究空间高斯过程的近似似然，空间数据本身不足以归入面板、网络或其他已列领域细分。
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
大型不规则空间数据的近似似然
- 研究问题
- 大型不规则空间数据的高斯似然计算成本很高，作者研究如何对不规则采样和含缺失值的规则格点构造可计算的近似。
- 方法与思路
- 作者扩展 Whittle 型高斯对数似然近似，使其适用于缺失格点与不规则空间数据，并通过理论、模拟和海表温度应用评估。
- 材料陈述的贡献
- 摘要称，该近似显著降低计算复杂度且无需计算行列式，并提供理论与模拟结果，展示其在卫星海表温度数据上的应用。
- 阅读关注点
- 应核对不规则位置和缺失格点如何进入近似、误差与渐近结果的条件，以及摘要中复杂度记号的原始写法和计数口径。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；复杂度记号排版需查原文，近似误差条件和刊本变化均无法确定。
原文摘要
Likelihood approaches for large irregularly spaced spatial datasets are often very difficult, if not infeasible, to implement due to computational limitations. Even when we can assume normality, exact calculations of the likelihood for a Gaussian spatial process observed at n locations requires O(n(3)) operations. We present a version of Whittle's approximation to the Gaussian log likelihood for spatial regular lattices with missing values and for irregularly spaced datasets. This method requires O(nlog(2)n) operations and does not involve calculating determinants. We present simulations and theoretical results to show the benefits and the performance of the spatial likelihood approximation method presented here for spatial irregularly spaced datasets and lattices with missing values. We apply these methods to estimate the spatial structure of sea surface temperatures (SST) using satellite data with missing values.