×
辛奎马尼，尤金尼奥;吉安路易吉·皮洛内托

基于贝叶斯阈值和模型选择的小波估计。 （英语） Zbl 1153.93031号

Automatica公司 44，第9号，2288-2297（2008）.
摘要：近年来提出了许多基于小波的算法来解决从噪声样本中进行函数估计的问题。特别是，已经证明了阈值方法可以导致渐近最优估计，并且在处理实际数据时非常有效。本文从贝叶斯的角度出发，首先研究了当函数被建模为具有已知协方差函数的随机过程时，硬阈值规则和软阈值规则的最优性。接下来，我们考虑协方差函数未知的情况，并提出一种新的方法，将协方差建模为通过贝叶斯模型选择从数据估计的特定小波组合。仿真数据表明，新方法优于传统阈值方法以及文献中提出的其他基于小波的贝叶斯技术。

MSC公司：

93E10型 随机控制理论中的估计与检测
42立方厘米 涉及小波和其他特殊系统的非三角谐波分析
65升09 常微分方程反问题的数值解法

关键词：

反问题;正规化;贝叶斯滤波;非平稳信号;高斯过程
PDF格式BibTeX公司 XML格式引用
\textit｛E.Cinquemani｝和\textit｛G.Pilloneto｝，Automatica 44，编号9，2288-2297（2008；Zbl 1153.93031）
全文： DOI程序

参考文献：

[1] 阿布拉莫维奇，F。；阿马托，美国。；Angelini，C.，《贝叶斯小波估计的最优性》，《斯堪的纳维亚统计杂志》，31217-234（2004）·Zbl 1063.62051号
[2] 阿布拉莫维奇，F。；Benjamini，Y.，小波系数的自适应阈值，计算统计与数据分析，22351-361（1996）
[3] 阿布拉莫维奇，F。；Besbeas，P。；Sapatinas，T.，块小波函数估计的经验贝叶斯方法，计算统计与数据分析，39，435-451（2002）·Zbl 0993.62032号
[4] 阿布拉莫维奇，F。；Sapatinas，T.，小波分解和收缩的贝叶斯方法，（小波模型中的贝叶斯推理。小波模型中贝叶斯推理，统计学讲义，第141卷（1999），Springer-Verlag），33-50·Zbl 0936.62036号
[5] 阿布拉莫维奇，F。；Sapatinas，T。；Silverman，B.W.，《基于贝叶斯方法的小波阈值化》，《皇家统计学会杂志》，60725-749（1998）·Zbl 0910.62031号
[6] B.D.O.安德森。；Moore，J.B.，最优滤波（1979），Prentice Hall·Zbl 0758.93070号
[7] 安东尼亚迪斯，A。；Fan，J.，小波近似的正则化，美国统计协会杂志，96，455（2001）·Zbl 1072.62561号
[8] 马萨诸塞州巴斯维尔。；Benveniste，A。；周，K.C。；Golden，S.A。；尼库哈，R。；Willsky，A.S.，多分辨率随机过程的建模和估计，IEEE信息理论汇刊，38，2（1992）
[9] Cai，T.，自适应小波估计：块阈值和预言不等式方法，《统计年鉴》，27，3，898-924（1999）·Zbl 0954.62047号
[10] Dahlhaus，R。；诺依曼，M.H。；Von Sachs，Rainer，时变自回归过程的非线性小波估计，Bernoulli，5，5，873-906（1999）·Zbl 0954.62103号
[11] Daubechies，I.，《小波变换、时频定位和信号分析》，IEEE信息理论汇刊，36，5，961-1005（1990）·Zbl 0738.94004号
[12] Daubechies，I.，《关于小波的十次讲座》（1992年），工业和应用数学学会：费城工业与应用数学学会·Zbl 0776.42018号
[13] De Nicolao，G。；Ferrari Trecate，G.，《正则化网络：通过卡尔曼滤波快速计算权重》，IEEE神经网络学报，12228-235（2001）
[14] De Nicolao，G。；Ferrari Trecate，G.，《反问题的正则化网络：状态空间方法》，Automatica，39，669-676（2003）·Zbl 1024.93056号
[15] Dijkerman，R.W。；Mazumdar，R.R.，随机过程和多分辨率随机模型的小波表示，IEEE信号处理学报，42，7，1640-1652（1994）
[16] Donoho，D.L。；Johnstone，I.M.，通过小波收缩实现理想的空间自适应，生物统计学，81，3，425-455（1994）·Zbl 0815.62019号
[17] Donoho，D.L。；约翰斯通，I.M。；Keryacharian，G。；Picard，D.，《小波收缩：渐近？》？，《皇家统计学会杂志》，57，2，301-369（1995）·Zbl 0827.62035号
[18] Figueiredo，M.A.T。；Nowak，R.D.，基于小波的图像估计：使用Jeffrey非信息先验的经验贝叶斯方法，IEEE图像处理汇刊，10，9，1322-1331（2001）·Zbl 1037.68775号
[19] 霍尔，P。；Kerkyacharian，G。；Picard，D.，使用核和小波方法进行曲线估计的块阈值规则，《统计年鉴》，26，3，922-942（1998）·Zbl 0929.62040号
[20] Jazwinski，Andrew H.，《随机过程和过滤理论》（1970），学术出版社：伦敦学术出版社·Zbl 0313.93059号
[21] 约翰斯通，I.M。；Silverman，B.W.，相关噪声数据的小波阈值估计，皇家统计学会杂志，59319-351（1997）·Zbl 0886.62044号
[22] Kass，R.E。；Raftery，A.E.，贝叶斯因子，《美国统计协会杂志》，90，773-795（1995）·Zbl 0846.62028号
[23] Madigan，D.M。；Raftery，A.E.，使用occam窗口的图形模型中模型选择和模型不确定性的计算，美国统计协会杂志，891335-1346（1994）·兹比尔0814.62030
[24] Mallat，S.G.，《多分辨率信号分解理论：小波表示》，IEEE模式分析与机器智能汇刊，11，7，674-693（1989）·Zbl 0709.94650号
[25] Mallat，S.，《信号处理的小波之旅》（1998），学术出版社：圣地亚哥学术出版社·Zbl 0937.94001号
[26] Meyer，Y.，《小波：算法和应用》（1993），工业和应用数学学会：费城工业和应用算术学会·Zbl 0821.42018号
[27] 缪勒，P。；Vidakovic，B.，（小波模型中的贝叶斯推断。小波模型中贝叶斯推理，统计学讲义，第141卷（1999），Springer-Verlag:Springer-Verlag，纽约）·Zbl 0920.00017号
[28] Neve先生。；De Nicolao，G。；Marchesi，L.，人口模型的非参数识别G公司aussian过程，Automatica，97，7，1134-1144（2007）·Zbl 1123.93319号
[29] Pillonetto，G。；Bell，B.M.，使用先验协方差特征函数的贝叶斯和经验贝叶斯半盲反褶积，Automatica，43，10，1698-1712（2007）·Zbl 1119.93064号
[30] Poggio，T。；Girosi，F.，近似和学习网络，IEEE学报，781481-1497（1990）·Zbl 1226.92005号
[31] Smola，A.J。；Schölkopf，B.，贝叶斯核方法，（Mendelson，S.；Smola，A.J.，机器学习，澳大利亚国立大学暑期学校课程集（2003），施普林格出版社：施普林格出版社，德国），65-117·Zbl 1019.68095号
[32] Sun，S。；Egerstedt，M.B。；Martin，C.F.，控制理论平滑样条，IEEE自动控制汇刊，452271-2279（2000）·Zbl 0971.49022号
[33] 托菲克，A.H。；Kim，M.，分数布朗运动离散小波系数的相关结构，IEEE信息理论汇刊，38，2，904-909（1992）·Zbl 0743.60079号
[34] Vannucci，M。；Corradi，F.，《小波系数的协方差结构：贝叶斯视角下的理论和模型》，《皇家统计学会杂志》，61，4，971-986（1999）·Zbl 0940.62023号
[35] Vidakovic，B.，《带贝叶斯规则和贝叶斯因子的非线性小波收缩》，美国统计协会杂志，93，173-179（1998）·Zbl 0953.62037号
[36] Wahba，G.，观测数据的样条模型（1990），SIAM:SIAM Philadelphia·Zbl 0813.62001号
[37] 威廉姆斯，C.K.I。；Rasmussen，C.E.，回归的高斯过程，（Touretzky，D.S.；Mozer，M.C.；Hasselmo，M.E.，Proc.conf.《神经信息处理系统进展》，NIPS，第8卷（1996），麻省理工学院出版社），514-520
[38] Zhang，C.-H.，一般经验贝叶斯小波方法和精确自适应最小极大估计，《统计年鉴》，33，1，54-100（2005）·Zbl 1064.62009年
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。