Computing Least Median of Squares Regression Lines and Guided Topological Sweep
最小中位数平方回归直线的计算与引导拓扑扫描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：摘要讨论稳健回归的计算几何算法，未直接对应所列计量细分领域。
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…
最小中位数平方回归直线的计算与引导拓扑扫描
- 研究问题
- 对于平面数据点，如何计算使平方残差中位数最小的回归直线，并降低寻找该直线所需的计算与存储成本？
- 方法与思路
- 作者将直线排列的拓扑扫描扩展为一般计算方法，再用于求取最小中位数平方回归直线，并报告算法的时间与空间复杂度。
- 材料陈述的贡献
- 摘要称，所提出的算法改进了该问题既有的复杂度上界，并使用线性存储空间；时间复杂度的提取记号需查原PDF确认。
- 阅读关注点
- 应核对引导扫描如何定位全局最优直线、并列残差和退化点集如何处理，以及复杂度证明采用的计算模型与输入条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。时间复杂度记号“O(n 2)”排版不清，需查原PDF；摘要未提供实际运行表现或刊本变化。
原文摘要
Given a set of data points pi = (xi, yi ) for 1 ≤ i ≤ n, the least median of squares regression line is a line y = ax + b for which the median of the squared residuals is a minimum over all choices of a and b. An algorithm is described that computes such a line in O(n 2) time and O(n) memory space, thus improving previous upper bounds on the problem. This algorithm is an application of a general method built on top of the topological sweep of line arrangements.