×
马滕·扬森;盖伊·P·纳森。;西尔弗曼，B.W。

用于图形和不规则多维情况数据的多尺度方法。 （英语） Zbl 1231.62054号

J.R.Stat.Soc.，塞尔维亚。B、 统计方法。 71，第1期，97-125（2009）.
摘要：对于规则间隔的一维数据，小波收缩已被证明是一种引人注目的非参数函数估计方法。我们创建了三种新的多尺度方法，为图形上的数据和不规则间距的多维空间数据提供了类小波变换。尺度的概念仍然存在于这些变换中，但它是一个连续的量，而不是二元水平。此外，我们采用了最近的经验贝叶斯收缩技术，使我们能够对图形和不规则空间数据的函数估计执行多尺度收缩。我们证明，与其他几种用于真实数据和模拟数据的空间回归方法相比，我们的方法表现得非常好。虽然我们专注于多尺度收缩（回归），但我们提出了新的“小波变换”作为通用工具，旨在成为方法的基础，这些方法可能会从图上或不规则空间数据的多尺度表示中受益。

引用于19文件

理学硕士：

62G07年 密度估算
62G08号 非参数回归和分位数回归
05C90年 图论的应用
42立方厘米 涉及小波和其他特殊系统的非三角调和分析
62C12号机组 经验决策程序；经验贝叶斯程序
65C60个 统计中的计算问题（MSC2010）

关键词：

图表;不规则数据;举起;小波;小波收缩

软件：

阈值实验室;R（右）;GMRF库
PDF格式BibTeX公司 XML格式引用
\textit{M.Jansen}等人，J.R.Stat.Soc.，Ser。B、 统计方法。71，第1号，97--125（2009；Zbl 1231.62054）
全文： DOI程序

参考文献：

[1] Abramovich，小波分析及其统计应用，统计学家49 pp 1–（2000）
[2] Abramovich，通过贝叶斯方法的小波阈值，J.R.Statist。Soc.B 60第725页–（1998年）·Zbl 0910.62031号
[3] Allard，使用Voronoi镶嵌的空间点过程中特征的非参数最大似然估计，美国统计学杂志。资产负债表92第1485页–（1997年）·Zbl 0913.62090号
[4] 安东尼亚迪斯，小波近似的正则化，美国统计学家J。资产负债表96第939页–（2001年）·Zbl 1072.62561号
[5] 安东尼亚迪斯，随机设计小波曲线平滑，统计学。普罗巴伯。莱特。第35页，225页–（1997年）·Zbl 0889.62029号
[6] Averkamp，《非必要高斯噪声的小波阈值：理想主义》，Ann.Statist。第31页，第110页–（2003年）·Zbl 1102.62329号
[7] Belkin，大型图的正则化和半监督学习，Lect。注释计算。科学。3120第624页–（2004）·兹比尔1078.68685 ·doi:10.1007/978-3-540-27819-1.43
[8] 蔡，随机均匀设计样本的小波估计，统计学。普罗巴伯。莱特。第42页，第313页–（1999年）·Zbl 0940.62037号
[9] Chua，Network kriging，IEEE J.选择区域公社24 pp 2263–（2006）
[10] Claypoole，通过提升进行图像编码的非线性小波变换，IEEE Trans。图像处理。第12页，第1513页–（2003年）
[11] 克利夫兰，《局部加权回归：通过局部拟合进行回归分析的方法》，J.Am.Statist。附件83第596页–（1988年）·Zbl 1248.62054号
[12] 克莱德，小波中的多重收缩和子集选择，Biometrika 85 pp 391–（1998）·Zbl 0938.62021号
[13] Cressie，空间数据统计（1993）·Zbl 1347.62005年 ·doi:10.1002/97811191151
[14] Daubechies，不规则点集上的小波，Phil.Trans。R.Soc.伦敦。A 357第2397页–（1999）·Zbl 0945.42019号
[15] Daubechies，不规则细分的交换，Constr。约17页479–（2001）·兹比尔0994.42019
[16] Daubechies，分解小波变换为提升步骤，J.Four。分析。申请。第4页，第247页–（1998年）·Zbl 0913.42027号
[17] Delouille，V.（2002）使用设计自适应小波的非参数随机回归。博士论文。卢浮天主教大学。
[18] Delouille，用于二维不规则间隔数据去噪的第二代小波方法，信号处理。第86页，1435页–（2003年）
[19] Delouille，《2D中半正则设计的平滑设计自适应小波》（2002）
[20] Delouille，非参数随机回归的光滑设计自适应小波，美国统计学家杂志。评估99第643页–（2004年）·Zbl 1117.62315号
[21] Denison，非线性分类和回归的贝叶斯方法（2002）·Zbl 0994.62019号
[22] Donoho，小波收缩的理想空间自适应，Biometrika 81第425页–（1994）·Zbl 0815.62019号
[23] 多诺霍，数据压缩和谐波分析，IEEE Trans。通知。理论44 pp 2435–（1998）·Zbl 1125.94311号
[24] Fortune，Voronoi图的扫线算法，《算法2》第153页–（1987）·Zbl 0642.68079号
[25] Fryzlewicz，泊松强度估计的Haar-Fisz算法，J.Compute。图表。统计师。第13页，621页–（2004年）
[26] Goss，《南乔治亚大陆架南极磷虾的声学调查》，科学摘要WG-EMM-96/42（1996）
[27] Green，非参数回归和广义线性模型（1993）
[28] 霍尔，非规则间隔设计非线性小波回归的插值方法，《统计年鉴》。第25页，1912–（1997）·Zbl 0881.62044号
[29] Hansen，Triogram models，J.Am.Statist.美国统计学家。评估93第101页–（1998）
[30] 希顿，基于小波或提升模式的插补方法，J.R.Statist。Soc.B 70第567页–（2008年）·Zbl 05563359号
[31] Herrick，曲线估计的小波方法（2000）
[32] Herrmann，二元核回归的带宽选择器，J.R.Statist。Soc.B 57第171页–（1995年）·Zbl 0825.62446号
[33] Jaffard，Pointwise光滑度，两个微观局部化和小波系数，Publ。材料35第155页–（1991）·Zbl 0760.42016号 ·doi:10.5565/PUBLMAT_35191_06
[34] Jansen，多尺度泊松数据平滑，J.R.Statist。Soc.B 68第27页–（2006年）·Zbl 1141.62014年
[35] Jansen，自适应多分辨率方案中使用的精化独立小波（2007）·Zbl 1157.65524号
[36] Jansen，利用第二代小波系数的经验贝叶斯收缩进行分散数据平滑，Proc。SPIE 4478第87页–（2001）
[37] Jansen，图上数据的多尺度方法和不规则多维情况（2008）
[38] Jansen，第二代小波与应用（2005）
[39] 约翰斯通，周期设置中的小波反褶积（含讨论），J.R.Statist。Soc.B 66第547页–（2004年）·兹比尔1046.62039
[40] Johnstone，相关噪声数据的小波阈值估计，J.R.Statist。Soc.B 59第319页–（1997年）·Zbl 0886.62044号
[41] 约翰斯通，《干草堆中的针头和干草：可能稀疏序列的经验贝叶斯估计》，《统计年鉴》。第32页，1594页–（2004年）·Zbl 1047.62008年
[42] Johnstone，Ebayesthresh：经验贝叶斯阈值的R程序，J.Statist。软件。第1页，共12页–（2005年）
[43] Johnstone，小波阈值的经验贝叶斯选择，Ann.Statist。第33页，1700页–（2005年）·Zbl 1078.62005号
[44] Jolliffe，主成分分析（2002）
[45] Koenker，Penized triogram:二元平滑的总变差正则化，J.R.Statist。Soc.B 66第145页–（2004年）·Zbl 1064.62038号
[46] 科勒，随机设计回归的非线性正交序列估计，J.Statist。《规划信息》115第491页–（2003年）·Zbl 1016.62040号
[47] Kovac，通过系数相关阈值扩大小波回归方法的范围，J.Am.Statist。评估95第172页–（2000）
[48] Kovaćević，任意维递增阶小波族，IEEE Trans。图像处理。第480页第9页–（2000年）
[49] Krzanowski，多元分析，第2部分，分类，协方差结构和重复测量（1995）·Zbl 0949.62537号
[50] Loader，Locfit：简介，统计师。计算。图表。新闻8第11页–（1997）
[51] Loader，局部回归和可能性（1999）
[52] Mallat，《多分辨率信号分解理论：小波表示》，IEEE Trans。Pattn Ana公司。机器。智力。第11页674页–（1989）·Zbl 0709.94650号
[53] Mallat，《信号处理的小波教程》（1998）
[54] Nason，小波平滑度的选择，小波收缩中的初始分辨率和阈值，Statist。计算。第12页219页–（2002年）
[55] Nason，使用提升的多元非参数回归的模拟和示例（2004）
[56] Nason，小波过程和进化小波谱的自适应估计，J.R.Statist。Soc.B 62第271页–（2000年）
[57] Neumann，小波阈值：超越高斯iid情况，Lect。注释统计。103 (1995) ·Zbl 0831.62071号 ·doi:10.1007/978-1-4612-2544-7_18
[58] Nunes，非参数回归的自适应提升，统计。计算。第16页143–（2006）
[59] Okabe，《空间细分——Voronoi图的概念和应用》（1992年）·Zbl 0877.52010
[60] Penrose，高维随机最小生成树，Ann.Probab。第24页，1903–（1996）·Zbl 0866.60021号
[61] 彭罗斯，几何概率中的弱大数定律，Ann.Appl。普罗巴伯。第13页，第277页–（2003年）·Zbl 1029.60008号
[62] 彭斯基，《非等间距小波回归》，《统计年鉴》。数学。第53页，第681页–（2001年）·Zbl 1003.62037号
[63] Percival，时间序列分析的小波方法（2000）·Zbl 0963.62079号 ·doi:10.1017/CBO9780511841040
[64] R开发核心团队，R：统计计算的语言和环境（2008）
[65] Rue，高斯马尔可夫随机场（2005）·doi:10.1201/9780203492024
[66] Sardy，不等间距数据的小波收缩，统计。计算。第9页65–（1999）
[67] Sibson，Dirichlet细分的向量恒等式，数学。程序。外倾角。Phil.Soc.87第151页–（1980）·Zbl 0466.52010号
[68] Sibson，解释多元数据第21页–（1981）
[69] Silverman，《小波：间歇信息的关键》（2000年）
[70] Smola，图的核与正则化，Lect。注释Artif。Intell 2777第144页–（2003）
[71] 《Sweldens，Wavelets and the lifting scheme：5分钟的游览》，Z.Angew。数学。机械。第76页第41页–（1996年）·兹伯利0886.65147
[72] Uytterhoeven，《红-黑小波变换》（1997）
[73] Vanraes，用于非等间距数据平滑的稳定小波变换，信号。过程。第82页，1979年–（2002年）·Zbl 1012.94513号
[74] Vidakovic，小波统计建模（1999）·数字对象标识代码：10.1002/9780470317020
[75] Wahba，观测数据的样条模型（1990年）·Zbl 0813.62001号 ·doi:10.1137/1.9781611970128
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。