Change Curve Estimation via Wavelets
基于小波的变化曲线估计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：摘要中的变化指二维函数与图像的局部变化，未提供宏观时间序列结构变化的依据。
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
基于小波的变化曲线估计
- 研究问题
- 对于平面上的函数，如何定位和估计跳跃及尖锐尖点形成的曲线，并利用小波识别局部不连续变化？
- 方法与思路
- 作者先对数据计算小波变换，再利用精细尺度上的变换估计跳跃与尖点曲线，并进行渐近分析和模拟。
- 材料陈述的贡献
- 摘要称，小波估计具有近似最优性质且可用快速算法计算；文章提供模拟以支持理论，并应用于真实图像。
- 阅读关注点
- 应核对跳跃与尖点曲线的模型类别、近似最优所用损失和比较基准，以及尺度选择、噪声条件与计算算法。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明最优性的具体定义、收敛速度或模拟结果，不能推断刊本变化。
原文摘要
The recently developed theory of wavelets has a remarkable ability to “zoom in” on very short-lived frequency phenomena, such as transients in signals and singularities in functions, and hence provides an ideal tool to study localized changes. This article proposes a wavelet method for estimating jump and sharp cusp curves of a function in the plane. The method involves first computing wavelet transformation of data and then estimating jump and sharp cusp curves by wavelet transformation across fine scales. Asymptotic theory is established, and simulations are carried out to lend some credence to the asymptotic theory. The wavelet estimate is nearly optimal and can be computed by fast algorithms. The method is applied to a real image.