A deconvolution approach to estimation of a common shape in a shifted curves model
随机平移曲线模型中共同形状估计的反卷积方法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：摘要研究函数数据配准和反卷积，未提供所列经济时间序列或分布效应方向的直接证据。
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…
关注这篇论文的作者
随机平移曲线模型中共同形状估计的反卷积方法
- 研究问题
- 多条曲线受到随机平移时，如何自适应估计共同平均形状，并确定曲线光滑性与平移分布对估计速度的影响？
- 方法与思路
- 作者将共同形状估计转化为线性逆问题，以平移密度作为卷积算子，提出小波阈值估计，并研究未知平移的估计。
- 材料陈述的贡献
- 摘要称估计在平方风险下具有一致性，并在广泛的 Besov 球上达到近极小极大速度，同时连接曲线配准与逆问题分析。
- 阅读关注点
- 应核对平移密度的已知程度、傅里叶系数衰减条件、阈值选择，以及未知平移估计与共同形状理论如何衔接。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；近极小极大速度的具体形式、适用条件和实验结果未说明，不能外推至任意形变。
原文摘要
This paper considers the problem of adaptive estimation of a mean pattern in a randomly shifted curve model. We show that this problem can be transformed into a linear inverse problem, where the density of the random shifts plays the role of a convolution operator. An adaptive estimator of the mean pattern, based on wavelet thresholding is proposed. We study its consistency for the quadratic risk as the number of observed curves tends to infinity, and this estimator is shown to achieve a near-minimax rate of convergence over a large class of Besov balls. This rate depends both on the smoothness of the common shape of the curves and on the decay of the Fourier coefficients of the density of the random shifts. Hence, this paper makes a connection between mean pattern estimation and the statistical analysis of linear inverse problems, which is a new point of view on curve registration and image warping problems. We also provide a new method to estimate the unknown random shifts between curves. Some numerical experiments are given to illustrate the performances of our approach and to compare them with another algorithm existing in the literature.