On the Estimation of a Convex Set from Noisy Data on its Support Function
基于含噪支持函数数据的凸集估计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：摘要研究支持函数观测下的凸集形状恢复，属于几何统计估计，未提供与所列计量领域细分直接对应的证据。
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…
基于含噪支持函数数据的凸集估计
- 研究问题
- 当凸集的支持函数测量含有噪声时，如何恢复集合形状，并避免固定多边形边数造成的不恰当平滑与形状限制？
- 方法与思路
- 作者提出周期平滑方法估计凸集，并将传统多边形方法中的边数理解为需要按统计表现选择的平滑参数。
- 材料陈述的贡献
- 摘要提出以周期平滑恢复凸集的思路，回应多边形边数选择及真实集合并非多边形时的形状表达问题。
- 阅读关注点
- 阅读时应核对平滑如何满足支持函数的几何约束、平滑程度如何选择，以及评价集合估计表现的具体标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体估计公式、理论保证及性能结果，不能推断刊本变化。
原文摘要
In problems of medical imaging and robotic vision, measurements of a convex set are sometimes obtained via the set's support function. The standard way in which the convex set is recovered from such data is to suppose that it is polygonal, model the errors as Normal random variables, and apply constrained maximum likelihood methods. Typically, the number of sides assumed of the polygon is equal to or a little less than the number of data points. However, from a statistical viewpoint, the number of sides should really be interpreted as a smoothing parameter and chosen to optimize some measure of performance. Additionally, if the true set is not a polygon, then a polygonal estimate can be aesthetically unsatisfactory. In this article we suggest periodic smoothing methods for estimating the convex set.