On Polynomial-Based Projection Indices for Exploratory Projection Pursuit
探索性投影寻踪中的多项式投影指标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：摘要研究通用投影寻踪和密度近似，未涉及经济分布效应、因子模型或其他所列细分场景。
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
探索性投影寻踪中的多项式投影指标
- 研究问题
- 使用多项式类指标寻找最偏离正态的投影方向时，能否获得根号样本量一致估计，尾部和平滑选择如何影响结果？
- 方法与思路
- 作者研究基于 Legendre 多项式与 Hermite 函数的投影寻踪密度近似，建立方向估计的渐近理论并讨论稳健性。
- 材料陈述的贡献
- 摘要称，两类方法均可构造根号样本量一致的方向估计，但 Legendre 方法实现该性质要求分布尾部极轻。
- 阅读关注点
- 核对偏离正态的距离定义、方向可识别性及平滑参数条件，并区分方向估计与低频非正态性测度的适用范围。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；极轻尾条件与稳健性结论的具体范围未说明，不能据此比较两方法的整体优劣。
原文摘要
We develop asymptotic theory for two polynomial-based methods of estimating orientation in projection pursuit density approximation. One of the techniques uses Legendre polynomials and has been proposed and implemented by Friedman [1]. The other employs Hermite functions. Issues of smoothing parameter choice and robustness are addressed. It is shown that each method can be used to construct $\sqrt n$-consistent estimates of the projection which maximizes distance from normality, although the former can only be employed in that manner when the underlying distribution has extremely light tails. The former can be used very generally to measure "low-frequency" departure from normality.