Minimax estimation of sharp change points
尖锐变点的极小极大估计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：摘要明确研究离散时间信号中跳跃和尖点的位置估计，直接涉及变点识别。
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
尖锐变点的极小极大估计
- 研究问题
- 在非参数回归信号中，如何定位跳跃或不同阶数的尖点，并确定离散时间观测与噪声下的最优位置估计速度？
- 方法与思路
- 作者构造刻画局部正则性的检验函数，以全局最大值定位不规则点，采用小波近似，并分析噪声影响与似然比。
- 材料陈述的贡献
- 摘要称对不同阶数尖点的位置估计作系统处理，构造达到极小极大收敛速率的估计序列，并给出小波阈值化示例。
- 阅读关注点
- 应核对尖点阶数、唯一不规则点函数类与噪声条件，以及定位准则和最优性证明；收敛速率公式须查原PDF确认。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。收敛速率表达含不清楚的下标形式，不能重构公式；噪声条件与具体函数类也未展开。
原文摘要
We define the sharp change point problem as an extension of earlier problems in change point analysis related to nonparametric regression. As particular cases, these include estimation of jump points in smooth curves. More generally, we give a systematic treatment of the correct rate of convergence for estimating the position of a “cusp”of an arbitrary order. We propose a test function for the local regularity of a signal that characterizes such a point as a global maximum. In the sample implementation of our method, from observations of the signal at discrete time positions $i/n, i =1 \ldots,n$, we use a wavelet transformation to approximate the position of the change point in the no-noise case. We study the noise effect, in the worst case scenario over a wide class of functions having a unique irregularity of “order $\alpha$” and propose a sequence of estimators which converge at the rate $n_{-1/(1+2\alpha)}$, as $n$ tends to infinity. Finally we analyze the likelihood ration of the problem and show that this is actually the minimaz rate of convertence. Examples of thresholding empirical wavelet coefficients to estimate the position of sharp change points are also presented.