Discontinuous regression surfaces fitting
不连续回归曲面的拟合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：摘要研究通用回归曲面的空间不连续性，未明确涉及时间结构变化或其他所列细分。
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
不连续回归曲面的拟合
- 研究问题
- 在带噪观测下，如何恢复具有跳跃的回归曲面，同时避免局部平滑跨越跳跃边界造成模糊或混合两侧信息？
- 方法与思路
- 作者先检测跳跃候选点，再用局部主成分直线近似跳跃边界，最后对与目标点同侧的观测进行加权平均。
- 材料陈述的贡献
- 摘要称，三阶段方法可在跳跃附近自动避免模糊，并给出计算复杂度表述及用于评估拟合和窗口选择的数值结果。
- 阅读关注点
- 应核对跳跃检测准则、边界曲率与局部直线近似条件，以及目标点落在边界时的单侧规则和窗口宽度选择。
- 阅读边界
- 索引稿件版本未注明；摘要没有完整模型条件或误差界，跳跃边界是曲面中的位置，不能据此认定为时间序列结构变化。
原文摘要
We suggest a three-stage procedure to recover discontinuous regression surfaces when noisy data are present. In the first stage, jump candidate points are detected using a jump detection criterion. A local principal component line is then fitted through these points in a neighborhood of a design point. This line provides a first-order approximation to the true jump location curve in that neighborhood. In the third stage, observations on the same side of the line as the given point are combined using a weighted average procedure to fit the surface at that point. If there are no jump candidate points in the neighborhood, then all observations in that neighborhood are used in the surface fitting. If, however, the center of the neighborhood is on a jump location curve, only those observations on one side of the line are used. Thus blurring is automatically avoided around the jump locations. This methodology requires $O(N(k^*)^2)$ computation, where $N$ is the sample size and $k^*$ is the window width. Its assumptions on the model are flexible. Some numerical results are presented to evaluate the surface fit and to discuss the selection of the window widths.