Bootstrap inference for mean reflection shape and size-and-shape with three-dimensional landmark data
三维标志点数据中平均反射形状及大小与形状的自助法推断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：研究对象是标志点形状分析与通用统计推断，摘要未涉及所列经济计量领域。
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
三维标志点数据中平均反射形状及大小与形状的自助法推断
- 研究问题
- 如何利用带标签的标志点数据，对平均反射形状以及大小与形状进行推断，并处理样本量相对标志点数量不足的情形？
- 方法与思路
- 作者在多维尺度分析框架下提出两个枢轴统计量，用自助法构造置信区域，并为样本量不足的情形设计正则化版本。
- 材料陈述的贡献
- 摘要称统计量在多个模拟例子中表现良好，正则化改善了困难情形的表现，并提供置信区域图示算法及分子动力学应用。
- 阅读关注点
- 应核对形状空间与均值的定义、自助法重抽样方式、枢轴性条件，以及正则化选择和置信区域覆盖率的模拟证据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法判断有效性条件、正则化规则或改善幅度；模拟表现不能推广到所有形状数据。
原文摘要
Working within the framework of a multi-dimensional scaling approach to shape analysis, we develop bootstrap methods for inference about mean reflection shape and size-and-shape based on labelled landmark data. The approach is developed in general dimensions though we focus on the three-dimensional case. We consider two pivotal statistics which we use to construct bootstrap confidence regions for the mean reflection shape or size-and-shape, and present simulation results which show that these statistics perform well in a variety of examples. We also suggest regularized versions of the test statistics that are suitable for more challenging cases where sample size is not sufficiently large in relation to the number of landmarks and present numerical results confirming that regularization indeed leads to better performance. An algorithm for producing a graphical representation of the confidence region for the mean reflection shape is presented and applied in an example involving molecular dynamics simulation data.