Censored distance-based intensity estimation of spatial point processes
基于删失距离的空间点过程强度估计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：摘要讨论空间点过程及距离抽样，未涉及所列细分中的经济网络、干扰或其他直接对应模型。
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
基于删失距离的空间点过程强度估计
- 研究问题
- 在通过距离测量估计空间点过程强度时，删失能否减少采样工作，并有效处理搜索区域重叠与边缘效应？
- 方法与思路
- 作者对齐次泊松过程推导使用删失距离测量的最大似然估计，并提出更一般的复合估计量，通过模拟考察采样强度影响。
- 材料陈述的贡献
- 摘要称得到两类删失距离测量对应的最大似然估计，提出稳健的复合估计量，并研究何种情况下使用删失更有利。
- 阅读关注点
- 核对距离测量及删失规则、泊松模型所需条件，以及复合估计量的稳健含义和重叠、边缘处理带来的效率变化。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失有利的具体条件、稳健性的边界和模拟数值结果均未提供。
原文摘要
The use of censoring in conjunction with distance-based estimation of the intensity of a spatial point process is considered. Censoring, in this context, may be motivated by practical considerations such as reduction of sampling effort, but it may also be considered as a method for preventing the overlap of search regions and for eliminating edge effects. Maximum likelihood estimators that utilize censored point-plant measurements or censored T-square measurements are obtained for the case of a homogeneous Poisson process, and some robust ‘compound’ estimators that utilize censored T-square measurements are proposed for more general use. The effect of sampling intensity on the performance of these estimators and their counterparts that utilize uncensored measurements is studied via simulation, with particular attention given to discovering under what circumstances it is advantageous to use censoring to deal with overlap and edge effects.