Wavelet shrinkage for nonequispaced samples
非等间距样本的小波收缩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：摘要研究一般非参数回归的小波方法，没有明确的时间序列或经济领域应用依据。
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…
关注这篇论文的作者
非等间距样本的小波收缩
- 研究问题
- 非参数回归样本并非等间距时，如何改造小波收缩以适应未知平滑度，并兼顾整体函数估计与单点估计的风险表现？
- 方法与思路
- 作者提出适用于非等间距样本的小波收缩程序，分别分析分段Hölder函数类上的整体风险、单点自适应性及零函数情形。
- 材料陈述的贡献
- 摘要称，整体风险距极小极大风险仅差对数因子，单点估计在常数范围内最优自适应；零函数时估计也以趋近一的概率为零。
- 阅读关注点
- 核对样本位置和噪声条件、阈值规则及函数类定义，区分整体与单点最优性，并检查允许间断点数量增长的具体范围。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；设计和噪声条件未说明，不能认为任意不规则采样都满足这些风险与自适应保证。
原文摘要
Standard wavelet shrinkage procedures for nonparametric regression are restricted to equispaced samples. There, data are transformed into empirical wavelet coefficients and threshold rules are applied to the coefficients. The estimators are obtained via the inverse transform of the denoised wavelet coefficients. In many applications, however, the samples are nonequispaced. It can be shown that these procedures would produce suboptimal estimators if they were applied directly to nonequispaced samples. We propose a wavelet shrinkage procedure for nonequispaced samples. We show that the estimate is adaptive and near optimal. For global estimation, the estimate is within a logarithmic factor of the minimax risk over a wide range of piecewise Hölder classes, indeed with a number of discontinuities that grows polynomially fast with the sample size. For estimating a target function at a point, the estimate is optimally adaptive to unknown degree of smoothness within a constant. In addition, the estimate enjoys a smoothness property: if the target function is the zero function, then with probability tending to 1 the estimate is also the zero function.