Adaptive Mixtures
自适应混合密度估计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：摘要属于通用密度估计与统计判别，未明确针对经济分布效应或其他所列领域细分。
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
自适应混合密度估计
- 研究问题
- 基于独立同分布样本，如何结合核估计与有限混合模型构造密度估计，并为分类和判别应用提供一致性基础？
- 方法与思路
- 作者提出自适应混合估计技术，利用筛方法研究渐近性质，并通过蒙特卡洛及一个判别问题的实验评估应用表现。
- 材料陈述的贡献
- 摘要称获得自适应混合估计的几乎处处L1收敛结果，并以模拟和判别实验展示该方法的表现及适用范围。
- 阅读关注点
- 应核对混合成分与复杂度的选择、筛空间及收敛条件，并区分密度一致性与判别最优性各自需要的论证。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；收敛条件及实验结果未提供，不能据背景陈述断言该方法普遍达到分类最优或推断刊本变化。
原文摘要
The estimation of a probability density function based on a sample of independent identically distributed observations is essential in a wide range of applications. In particular, a sequence of estimates that converges in some sense to the true density α 0 can yield asymptotically optimal performance in classification and discrimination problems. In this article an estimation technique called “adaptive mixtures” is developed from the related methods of kernel estimation and finite mixture models. Asymptotic properties of adaptive mixtures are obtained via the so-called method of sieves, yielding almost sure L 1 convergence. Monte Carlo simulations indicate the performance of the method, and an experimental study based on a typical discrimination problem is performed, indicating the scope of applicability.