Wavelet Methods for Curve Estimation
曲线估计的小波方法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：摘要研究通用非参数曲线估计理论，没有支持归入特定微观、宏观或金融细分的应用证据。
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…
曲线估计的小波方法
- 研究问题
- 在含噪声的非参数曲线估计中，如何利用小波刻画局部特征，小波变换缺乏平移不变性又带来哪些影响？
- 方法与思路
- 作者构造与核估计及正交级数估计相对应的小波估计量，研究有限样本和渐近性质，并评估方差不稳定的实际后果。
- 材料陈述的贡献
- 摘要称发现小波估计量的渐近方差存在由缺乏平移不变性导致的基本不稳定性，并指出其与稀疏序列性质有关。
- 阅读关注点
- 应核对噪声模型、曲线函数类及小波选择，查看方差不稳定性的具体表现、相关序列条件和实际影响的评估方式。
- 阅读边界
- 仅有版本未注明的 OpenAlex 索引摘要；未提供定理条件或实际影响程度，不能推断所有小波估计均受同等影响或刊本变化。
原文摘要
The theory of wavelets is a developing branch of mathematics with a wide range of potential applications. Compactly supported wavelets are particularly interesting because of their natural ability to represent data with intrinsically local properties. They are useful for the detection of edges and singularities in image and sound analysis and for data compression. But most of the wavelet-based procedures currently available do not explicitly account for the presence of noise in the data. A discussion of how this can be done in the setting of some simple nonparametric curve estimation problems is given. Wavelet analogies of some familiar kernel and orthogonal series estimators are introduced, and their finite sample and asymptotic properties are studied. We discover that there is a fundamental instability in the asymptotic variance of wavelet estimators caused by the lack of translation invariance of the wavelet transform. This is related to the properties of certain lacunary sequences. The practical consequences of this instability are assessed.