未知密度的传统核密度估计器是通过构造完全非参数的，在这个意义上，它没有偏好，对所有形状都能很好地工作。本文发展了一类半参数方法，其设计目的是在给定参数类密度（例如，正态密度）的广泛非参数邻域中比核估计更好地工作，而在真实密度远离参数类时，精度不会损失太多。其思想是将初始参数密度估计值与必要校正因子的核类型估计值相乘。在校正因子函数比原始密度本身粗糙的情况下，这种方法效果很好。与核估计进行了广泛的比较，包括对所有正态混合类的精确分析。即使在实际密度远低于正常值的许多情况下，这种新方法在正常启动时也经常获胜。文中还讨论了选择估计器平滑参数的步骤。新的估计量在高维中尤其有用，因为通常的非参数方法存在问题。对于非参数回归，也阐述了这一想法。