On nonparametric estimation of density level sets
密度水平集的非参数估计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：摘要研究一般密度水平集估计与极小极大理论，未提供所列计量领域细分的直接依据。
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
密度水平集的非参数估计
- 研究问题
- 如何依据独立同分布样本估计未知密度的水平集，并在边界具有一定光滑性时确定其最优收敛速率？
- 方法与思路
- 作者通过最大化局部经验超额质量构造分段多项式水平集估计量，并分别研究一般光滑边界与凸水平集。
- 材料陈述的贡献
- 摘要称，所提估计量在研究的密度类中达到渐近极小极大最优速率，还给出凸水平集速率及高维推广。
- 阅读关注点
- 应核对边界光滑性的精确定义、水平集估计损失、密度类限制，以及最优性下界与高维推广的适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体光滑性条件、损失及速率表达式，不能推断刊本变化。
原文摘要
Let $X_1, \dots, X_n$ be independent identically distributed observations from an unknown probability density $f(\cdot)$. Consider the problem of estimating the level set $G = G_f(\lambda) = {x \epsilon\mathbb{R}^2: f(x) \geq \lambda}$ from the sample $X_1, \dots, X_n$, under the assumption that the boundary of G has a certain smoothness. We propose piecewise-polynomial estimators of G based on the maximization of local empirical excess masses. We show that the estimators have optimal rates of convergence in the asymptotically minimax sense within the studied classes of densities. We find also the optimal convergence rates for estimation of convex level sets. A generalization to the N-dimensional case, where $N > 2$, is given.