具有二次方差函数的自然指数族的小波收缩

@文章{Antoniadis2001WaveletSF,title={具有二次方差函数的自然指数族的小波收缩},author={Anestis Antoniadis和Theofanis Sapatinas},journal={Biometrika},年份={2001},体积={88},页数={805-820},url={https://api.semanticscholar.org/CorpusID:56005301}}
我们提出了一种具有二次方差函数的单变量自然指数族的小波收缩方法,包括高斯分布、泊松分布、伽马分布、二项式分布、负二项式和广义双曲正割分布。通过对泊松和二项式数据的仿真研究,说明了所提方法的有效性,并与文献中可用的其他方法进行了比较。我们还介绍了高能

本文中的数字

具有三次方差函数的自然指数族的小波收缩

小波收缩估计是空间变量现象的非参数估计的有力工具。迄今为止,该领域的大多数工作主要集中在

泊松计数小波收缩估计的比较仿真研究

使用计算机模拟,检验了泊松计数的许多经典和贝叶斯小波收缩估计器的有限样本性能。为了进行比较

指数族中的非参数回归

非参数回归理论中的大多数结果都是针对加性噪声的情况得出的。在这种情况下,包括小波阈值方法在内的许多平滑技术已经

基于小波模型选择的泊松回归最大似然估计。

最后一个估计量是在一组关于惩罚经验Kullback-Leibler风险的最大似然估计量中选择的,它对数据是自适应的,并且在这些空间上是渐近极小的。

一类广泛分布的小波自动平滑

本文考虑了一种统一的l1惩罚似然方法,通过对小波系数加上l1惩罚来正则化最大似然估计,从而给出了普适平滑参数的显式公式,以消除泊松测量值的噪声。

二项序列比例估计的多尺度方差镇定

在统计文献中,经典非参数回归存在许多不同的小波方法。然而,专门为二项式强度估计设计的技术是

多尺度泊松数据平滑

介绍了具有分段光滑强度曲线的泊松数据的非线性多尺度分解框架,该框架结合了Haar–Fisz变换、小波平滑和(贝叶斯)多尺度似然模型的优点,以及其他优点,如可扩展到任意小波族。

非参数函数估计的多尺度广义线性模型

数值模拟表明,在有限样本的情况下,该方法的性能至少与基于小波的替代方法一样好,通常优于基于小波的方法,而天文伽马射线突发数据和计算机网络传输分析中的丢包数据的应用证实了其实用性。

广义函数模型中的小波惩罚似然估计

本文讨论广义函数回归。其目的是从指数分布中估计协变量对观测值的影响。考虑的链接具有

广义函数模型中的小波惩罚似然估计

提出了一种最大惩罚似然方法来估计模型的分量,该方法引入了基于惩罚的小波估计量,特别是建立了关于估计函数正则性的自适应估计。
...

基于修正阈值的泊松强度信号小波收缩估计

基于原始计数数据的小波系数收缩,利用小波收缩估计某类“类突发”泊松过程的强度函数,与当前使用Anscombe的平方根变换预处理数据并在高斯框架中处理所得数据的方法相反。

基于小波收缩的Minimax估计

提出了一种通过经验小波系数的简单非线性收缩作用于小波域的非线性方法,该方法基于简单阈值非线性估计的变量几乎是极小的。

二进制响应的非参数小波回归

非参数回归方法已成为建模中一种优雅而实用的选择。非参数回归方法的一个优点是,如果存在潜在参数模型,那么

利用系数相关阈值扩展小波回归方法的适用范围

摘要考虑了非参数回归的小波方法的各个方面,其总体目标是将小波技术的范围扩展到不规则间隔的数据,以定期

极小极大贝叶斯、渐近极小极大和稀疏小波先验

Pinsker(1980)对高斯噪声中信号估计的极小极大均方误差进行了精确的渐近评估,前提是信号先验已知位于

小波收缩:渐近?

一种基于n个噪声数据的曲线估计方法:将经验小波系数向原点平移√(2 log n)/√n,并绘制出鲁棒性接近最优的松散平行线,以及小波本身的宽近特征函数特性。

用Haar小波非参数估计γ射线爆发强度

在本文中,我提出了一种非参数(无模型)估计γ射线暴强度分布的方法。该算法称为TIPSH,它基于特殊应用

基于小波收缩的理想空间自适应

描述了一种新的空间自适应估计原理:利用预言不等式进行选择性小波重构,并开发了一种实用的空间自适应方法RiskShrink,该方法通过收缩经验小波系数来实现。

基于小波收缩的未知平滑度自适应

摘要我们试图从噪声采样数据中恢复未知平滑度函数。我们引入了一个过程,SureShrink,它通过对经验小波进行阈值化来抑制噪声

泊松过程的贝叶斯多尺度模型

摘要我介绍了一类一维非均匀泊松过程的贝叶斯多尺度模型。重点是估算