On the asymptotic performance of median smoothers in image analysis and nonparametric regression
图像分析与非参数回归中中位数平滑器的渐近表现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：摘要讨论通用非参数平滑与图像估计，未提供与所列经济计量细分方向直接相关的证据。
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…
关注这篇论文的作者
图像分析与非参数回归中中位数平滑器的渐近表现
- 研究问题
- 在多维图像与非参数回归中，中位数平滑的均方误差如何随样本量和维度变化，其渐近表现与局部均值有何关系？
- 方法与思路
- 作者在M估计框架下分析中位数平滑器的均方误差，给出渐近收敛速度，并据样本量和维度确定最优窗口与带宽。
- 材料陈述的贡献
- 摘要称，中位数平滑的渐近表现与局部均值相当；维度增加使收敛变慢，且维度达到四时，收敛速度对维度的依赖形式改变。
- 阅读关注点
- 应核对回归函数与噪声的条件、窗口和带宽的定义，以及维度四处变化的推导，明确所谓渐近相当采用何种比较标准。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，无法判断具体正则条件、误差常数和有限样本表现，也不能推断其他版本的变化。
原文摘要
For d-dimensional images and regression functions the true object is estimated by median smoothing. The mean square error of the median smoother is calculated using the framework of M-estimation, and an expression for the asymptotic rate of convergence of the mean square error is given. It is shown that the median smoother performs asymptotically as well as the local mean. The optimal window size and the bandwidth of the median smoother are given in terms of the sample size and the dimension of the problem. The rate of convergence is found to decrease as the dimension increases, and its functional dependence on the dimension changes when the dimension reaches 4.