Empirical Bayes block shrinkage of wavelet coefficients via the noncentral χ2 distribution
利用非中心卡方分布的小波系数经验贝叶斯块收缩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：摘要属于一般小波去噪与收缩估计，未明确研究时间序列、波动率或其他指定应用。
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
利用非中心卡方分布的小波系数经验贝叶斯块收缩
- 研究问题
- 相较于逐个收缩小波系数，如何利用同一系数块的总体信息构造联合收缩方法，并获得便于计算的贝叶斯程序？
- 方法与思路
- 作者以块内系数平方和为基础，利用非中心卡方密度的一个恒等关系，构造同时收缩整块小波系数的经验贝叶斯方法。
- 材料陈述的贡献
- 摘要称得到若干易于处理的贝叶斯块收缩程序，数值结果显示表现很好，但未说明比较基准、评价指标或改进幅度。
- 阅读关注点
- 应核对小波观测模型、分块规则、密度恒等关系的作用、经验贝叶斯参数估计，以及数值比较所用的信号与损失。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；数值表现良好属于作者概括，具体风险性质、适用条件及结果数值未提供。
原文摘要
Empirical Bayes approaches to the shrinkage of empirical wavelet coefficients have generated considerable interest in recent years. Much of the work to date has focussed on shrinkage of individual wavelet coefficients in isolation. In this paper we propose an empirical Bayes approach to simultaneous shrinkage of wavelet coefficients in a block, based on the block sum of squares. Our approach exploits a useful identity satisfied by the noncentral χ2 density and provides some tractable Bayesian block shrinkage procedures. Our numerical results indicate that the new procedures perform very well.