Mobius-Like Mappings and Their Use in Kernel Density Estimation
类 Möbius 映射及其在核密度估计中的应用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：摘要研究通用核密度估计与数据变换，未涉及经济分布效应或其他所列细分方向。
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…
类 Möbius 映射及其在核密度估计中的应用
- 研究问题
- 研究如何通过参数化变换改善半无限支撑数据的核密度估计，并考察所提变换相较其他方法的计算效率。
- 方法与思路
- 作者用一个双参数类 Möbius 函数将半无限空间样本映射到有界区间，再采用标准核方法估计密度，并分析两个数据集。
- 材料陈述的贡献
- 摘要称所提变换能产生有效的密度估计，计算效率高于若干常见变换方法，并通过两个实际数据集展示其效果。
- 阅读关注点
- 应核对变换参数与带宽的选择、如何还原原尺度密度、边界和尾部误差，以及计算效率比较的实现与基准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；有效性的指标、比较方法和数据细节未说明，不能推断对所有半无限支撑密度均更优。
原文摘要
It is well known that the manipulation of sample data by means of a parametric function can improve the performance of kernel density estimation. This article proposes a two-parameter Mobius-like function to map sample data drawn from a semi-infinite space into [−1,1). A standard kernel method is then used to estimate the density. The proposed method is shown to yield effective estimates of density and is computationally more efficient than other well-known transformation methods. The efficacy of the technique is demonstrated in a practical setting by application to two datasets.