Searching for Structure in Curve Samples
在曲线样本中寻找结构特征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：摘要研究一般曲线样本的形态识别，没有明确涉及时间序列断点或其他所列细分。
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
在曲线样本中寻找结构特征
- 研究问题
- 面对横纵轴个体差异及噪声，如何在一组回归曲线中识别反复出现的极值、拐点等典型结构特征？
- 方法与思路
- 作者依据结构特征沿横轴出现的频率识别典型形态，使用非参数回归、求导和核密度估计，无须预设曲线函数形式。
- 材料陈述的贡献
- 摘要称，文章提供该方法的理论基础，并以生长发育和神经生理两个生物医学领域的应用展示其用途。
- 阅读关注点
- 应核对特征提取和平滑参数的选择、个体横轴差异的处理，以及出现频率如何区分稳定结构与噪声伪特征。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出结构判定标准或误差控制，不能把曲线特征视为已验证机制。
原文摘要
The shape of a regression curve can to a large extent be characterized by the succession of structural features like extrema, inflection points, and so on. When analyzing a sample of regression curves, it is often important to know at an early stage of data analysis which structural features are occurring consistently in each curve of the sample. Such a definition is usually not easy due to substantial interindividual variation both in the x and the y axis and due to the influence of noise. A method is proposed for identifying typical features without relying on an a priori specified functional model for the curves. The approach is based on the frequencies of occurrence of structural features, as, for example, maxima in the curve sample along the x axis. Important tools are nonparametric regression and differentiation and kernel density estimation. Apart from a theoretical foundation, the usefulness of the method is documented by application to two interesting biomedical areas: growth and development, and neurophysiology.