Nonparametric Density Estimation Over Complicated Domains
复杂区域上的非参数密度估计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：摘要研究一般空间密度估计，未涉及经济分布效应、因果问题或所列其他细分方向。
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…
复杂区域上的非参数密度估计
- 研究问题
- 在具有复杂边界、深凹形状或孔洞的空间区域中，如何估计包含多峰及不同方向各向异性的概率密度？
- 方法与思路
- 作者结合似然方法与基于微分算子的正则化，利用有限元等数值技术进行估计，并开展模拟及城市犯罪应用。
- 材料陈述的贡献
- 摘要称，该方法适应复杂区域和各向异性信号，具有良好推断性质与计算效率，并在所考察比较中展示优势。
- 阅读关注点
- 应核对边界处理、微分算子与正则化参数的选择、有限元近似误差，以及模拟和波特兰犯罪应用的比较设置。
- 阅读边界
- 仅据所给 Crossref 摘要，推断条件、计算成本和优势幅度均未说明；不能将所述比较优势推广到其他区域或数据。
原文摘要
Abstract We propose a nonparametric method for density estimation over (possibly complicated) spatial domains. The method combines a likelihood approach with a regularization based on a differential operator. We demonstrate the good inferential properties of the method. Moreover, we develop an estimation procedure based on advanced numerical techniques, and in particular making use of finite elements. This ensures high computational efficiency and enables great flexibility. The proposed method efficiently deals with data scattered over regions having complicated shapes, featuring complex boundaries, sharp concavities or holes. Moreover, it captures very well complicated signals having multiple modes with different directions and intensities of anisotropy. We show the comparative advantages of the proposed approach over state of the art methods, in simulation studies and in an application to the study of criminality in the city of Portland, Oregon.