The Identification of an Element of a Large Population in the Presence of Noise
噪声条件下大型总体中的个体识别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：摘要涉及带噪声的个体匹配与搜索决策，并非摘要可确认的经济模型识别或其他所列方向。
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
噪声条件下大型总体中的个体识别
- 研究问题
- 当识别个体的测量值存在误差时，如何判断目标是否出现在大型档案中，并权衡搜索成本与遗漏目标的成本？
- 方法与思路
- 作者将匹配转化为给定联合分布与相互独立之间的假设检验，结合大偏差信息量分析，并研究压缩与分层搜索。
- 材料陈述的贡献
- 摘要称，提出了计入搜索和遗漏成本的新方法，发现误差会降低信息的识别效力，并讨论按大组、小组逐级筛查的程序。
- 阅读关注点
- 应核对联合分布与独立备择的设定、成本函数和信息量定义，以及数据压缩和两阶段搜索对识别效果的影响。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未提供效力下降的量化结果、算法条件或实际档案中的检验表现。
原文摘要
A new approach is presented to the problem of determining whether an individual (the target) appears in a large file where individuals are identified by measurements subject to error. This approach attaches costs to searching and to missing the individual. It corresponds to testing a simple hypothesis, that the measurements on the target and an element in the library have a given joint distribution, against the alternative that they are independent. Certain measures of information from large deviation theory are relevant. There is a surprising reduction in effectiveness of information in the presence of error. Data compression issues are studied. Attention is paid to a two-stage search procedure where the file is subdivided into piles which are in turn subdivided into bins. Each pile is examined and either discarded or searched. If it is searched, each bin in it is examined and either discarded or searched. If a bin is searched, each element of the bin is compared with the target.