Robust Density Estimation Using Distance Methods
利用距离方法进行稳健密度估计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：摘要研究空间种群密度与距离采样，未涉及分布效应、网络干扰或其他所列方向。
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…
关注这篇论文的作者
利用距离方法进行稳健密度估计
- 研究问题
- 基于距离的空间种群密度估计在偏离完全随机空间格局时为何产生严重偏差，如何构造更稳健的估计量？
- 方法与思路
- 作者提出新的距离型密度估计量，并在两个随机模型下解析评估稳健性，覆盖规则、随机到高度聚集的空间格局。
- 材料陈述的贡献
- 摘要称所选模型共同涵盖连续变化的空间格局，为检验新估计量面对空间排列变化时的稳健性提供框架。
- 阅读关注点
- 应核对这里密度的具体定义、距离采样方案、两个空间模型的设定，以及偏差和稳健性的评价标准。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；未给出稳健性改善的具体结果，不能将空间种群密度等同于概率密度估计。
原文摘要
Distance estimators of density may exhibit serious bias unless the population under consideration forms a completely random spatial pattern, i.e. the estimators are not robust. In this paper some new estimators are proposed, and their robustness is assessed analytically against two stochastic models, which together embrace a continuous range of spatial pattern, from extreme regularity, through randomness, to extreme aggregation.