我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
基于拓扑和几何推理中广泛的潜在应用,我们引入了加权版本的k个-最近邻密度估计。建立了该估计的各种逐点一致性结果。在最轻的可能条件下,我们给出了一个一般的中心极限定理。此外,还得到了一个强逼近结果,并讨论了最优权重集的选择。尤其是经典k个-从手稿中描述的意义上讲,最近邻估计不是最优的。该方法已用于恢复模拟数据和实际数据中的水平集。
杰拉德·比亚。 弗雷德里克·查扎尔(Frédéric Chazal)。 大卫·科恩·斯坦纳。 吕克·德夫罗耶。 卡洛斯·罗德里格斯。 ”A加权k个-几何推断的最近邻密度估计。” 电子。J.统计。 5 204 - 237, 2011 https://doi.org/10.1214/11-EJS606