Asymptotic theory for density ridges
密度脊的渐近理论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：摘要研究一般点云中的密度脊与统计推断，未涉及所列领域中的分布效应或其他明确应用方向。
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…
密度脊的渐近理论
- 研究问题
- 密度脊作为密度众数的高维推广，其估计误差如何进行大样本刻画，能否据此构造具有有效覆盖率的置信集合？
- 方法与思路
- 作者在适当正则条件下，用经验过程近似估计密度脊的局部变动，建立高斯过程极限，并研究 bootstrap 推断。
- 材料陈述的贡献
- 摘要称建立了局部经验过程近似、高斯过程收敛以及 bootstrap 置信集合有效性三项结果，为密度脊推断提供理论基础。
- 阅读关注点
- 应核对密度脊的定义、光滑性与几何正则条件、估计时的平滑参数选择，以及过程收敛和置信集合有效性的具体含义。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要；具体正则条件、收敛度量和有限样本覆盖表现未说明，刊本变化未核验。
原文摘要
The large sample theory of estimators for density modes is well understood. In this paper we consider density ridges, which are a higher-dimensional extension of modes. Modes correspond to zero-dimensional, local high-density regions in point clouds. Density ridges correspond to $s$-dimensional, local high-density regions in point clouds. We establish three main results. First we show that under appropriate regularity conditions, the local variation of the estimated ridge can be approximated by an empirical process. Second, we show that the distribution of the estimated ridge converges to a Gaussian process. Third, we establish that the bootstrap leads to valid confidence sets for density ridges.