熊子康;刘文杰;宁建辉;秦红 连续支撑点。 （英语） Zbl 1502.62084号 统计Pap。 第6期第63页，1757-1775页（2022）. 摘要：通过最小化能量距离，支持点（SP）方法可以有效地将大训练样本压缩为一个较小的代表点集。然而，当训练样本不足时，SP的质量会大大降低。本文提出了一种顺序版本的SP，称为顺序支持点（SSP）。新方法有两个吸引人的特点。首先，SSP的构造算法可以根据现有信息自适应更新重要抽样过程中的建议密度。其次，引入一个超参数来平衡连续添加点的代表性和整体点的代表，从而通过设置超参数可以有效地构造一些特殊用途的实验设计，如增强设计和切片设计。 MSC公司： 62K99型 统计实验设计 62K15型 因子统计设计 62升05 顺序统计设计 62E17型 统计分布的近似值（非共鸣） 关键词：代表性要点;支撑点;重要性抽样;序贯实验设计;增广设计;切片设计 软件：能量;SLHD公司;MH自适应;格子设计 PDF格式BibTeX公司 XML格式引用 \textit{Z.Xiong}等人，《统计年鉴》。63，第6号，1757--1775（2022；Zbl 1502.62084） 全文： 内政部 参考文献： [1] Ba S（2015）SLHD:最大距离（切片）拉丁超立方体设计。R软件包版本2.1-1。https://CRAN.R-project.org/package=SLHD [2] Borodachov，S。；哈丁，D。；Saff，E.，通过Riesz能量最小化离散流形的低复杂度方法，Found Comput Math，14，6，1173-1208（2014）·Zbl 1304.31006号 ·doi:10.1007/s10208-014-9202-3 [3] 布加洛，MF；埃尔维拉，V。；马蒂诺，L。；Luengo，D。；Miguez，J。；Djuric，PM，《自适应重要性抽样：过去、现在和未来》，IEEE Signal Process Mag，34，4，60-79（2017）·doi:10.1109/MSP.2017.2699226 [4] Chivers C（2012）MHadaptive:使用自适应Metropolis-Hastings抽样进行贝叶斯推断的通用马尔可夫链蒙特卡罗。R软件包版本1.1-8。https://CRAN.R-project.org/package=MHadaptive（MH自适应） [5] Dick，J。；郭，FY；Sloan，IH，《高维积分：准蒙特卡罗方法》，数字学报，22133-288（2013）·Zbl 1296.65004号 ·doi:10.1017/S0962492913000044 [6] 方，KT；王毅，《数理统计方法》（1994），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0925.65263号 ·doi:10.1007/978-1-4899-3095-8 [7] 方，KT；刘，MQ；秦，H。；周，YD，《均匀实验设计的理论与应用》（2018），新加坡：斯普林格出版社，新加坡·Zbl 1407.62015年 ·doi:10.1007/978-981-13-2041-5 [8] 吉文斯，GH；Hoeting，JA，计算统计学（2013），霍博肯：威利，霍博肯·Zbl 1267.62003号 [9] He，X.，切片旋转球体包装设计，Technometrics，61，1，66-76（2019）·doi:10.1080/00401706.2018.1458655 [10] Huang C、Joseph VR、Mak S（2020）《准蒙特卡洛人口》。arXiv预印本。arXiv：2012.13769·Zbl 07633201号 [11] 约瑟夫，VR；Dasgupta，T。；Tuo，R。；Wu，CFJ，使用最小能量设计对复杂表面进行顺序探索，《技术计量学》，57，1，64-74（2015）·doi:10.1080/00401706.2014.881749 [12] 约瑟夫，VR；王，D。；顾，L。；Lyu，S。；Tuo，R.，使用最小能量设计对昂贵后验概率进行确定性抽样，技术计量学，61，3，297-308（2019）·doi:10.1080/0401706.2018.1552203 [13] 刘，HY；Liu，MQ，柱正交强正交阵列和切片强正交阵列，Stat Sin，25，4，1713-1734（2015）·Zbl 1377.62167号 [14] 马克·S。；Joseph，VR，支持点，Ann Stat，46，6，2562-2592（2018）·Zbl 1408.62030号 ·doi:10.1214/17-AOS1629 [15] AB欧文；Tribble，SD，《准蒙特卡罗大都会算法》，美国科学院院刊，102，25，8844-8849（2005）·Zbl 1135.65001号 ·doi:10.1073/pnas.0409596102 [16] 钱，PZG，切片拉丁超立方体设计，J Am Stat Assoc，107，497，393-399（2012）·兹比尔1261.62073 ·doi:10.1080/01621459.2011.644132 [17] 钱，PZG；Wu，CFJ，Sliced space-filling designs，Biometrika，96，4，945-956（2009）·Zbl 1179.62104号 ·doi:10.1093/biomet/asp044 [18] 拉扎维亚因，M。；洪，M。；Luo，Z.，非光滑优化的块逐次极小化方法的统一收敛性分析，SIAM J Optim，23，2，1126-1153（2013）·Zbl 1273.90123号 ·doi:10.1137/120891009 [19] 桑特纳，TJ；威廉姆斯，BJ；威斯康星州诺茨，计算机实验的设计与分析（2018），纽约：斯普林格，纽约·Zbl 1405.62110号 ·doi:10.1007/978-1-4939-8847-1 [20] 孙，Y。；巴布，P。；Palomar，DP，信号处理、通信和机器学习中的优化最小化算法，IEEE Trans-signal Process，65，3，794-816（2017）·Zbl 1414.94595号 ·doi:10.1109/TSP.2016.2601299 [21] 谢凯利，GJ；里佐，ML，《能源统计：一类基于距离的统计》，《J Stat Plan推断》，143，8，1249-1272（2013）·Zbl 1278.62072号 ·doi:10.1016/j.jspi.2013.03.018 [22] 杨，F。；周，YD；Zhang，XR，增强制服设计，J Stat Plan Inference，182，61-73（2017）·Zbl 1394.62110号 ·doi:10.1016/j.jspi.2016.09.007 [23] 袁，R。；郭，B。；Liu，M.，具有不同大小切片的柔性切片拉丁超立方体设计，Stat Pap，621117-1134（2019）·Zbl 1477.62209号 ·doi:10.1007/s00362-019-01127-6 [24] 张，AJ；Yang，ZB，自动化机器学习中的超参数调整方法，科学与数学，50，5，695-710（2020）·兹比尔1499.68324 ·doi:10.1360/N012019-00092 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。