达塔,苏巴;卢吉蒙 使用加权主支持向量机对空间点过程进行充分降维。 (英语) Zbl 07493267号 统计接口 第15期,第4期,第415-431页(2022年). 摘要:我们考虑空间点过程的充分降维。SDR方法旨在以无模型的方式识别数据集的低维足够子空间。大多数SDR结果都是基于独立数据的,通常也不能很好地处理二进制数据。Y.Guan(关)和H.王【J.R.Stat.Soc.,Ser.B,Stat.Methodol.72,No.3,367–387(2010;Zbl 1411.62139号)]通过将点过程描述为二进制过程,介绍了空间点过程的SDR框架,并将几种流行的SDR方法应用于空间点数据。另一方面[申圣杰等,Biometrika 104,No.1,67-81(2017;Zbl 1506.62332号)]提出了用于SDR的加权主支持向量机(WPSVM),并表明其性能优于其他使用二进制数据的方法。我们结合这两项工作,对空间点过程的WPSVM进行了研究。在空间过程的某些条件下,我们证明了WPSVM估计的充分子空间的一致性和渐近正态性,并通过仿真研究和实际数据应用,将其与其他SDR方法进行了比较。 MSC公司: 62立方米 空间过程推断 62H11型 定向数据;空间统计学 62至XX 统计 关键词:空间点过程;充分降维;加权主支持向量机 引文:兹比尔1411.62139;兹比尔1506.62332 PDF格式BibTeX公司 XML格式引用 \textit{S.Datta}和\textit{J.M.Loh},统计接口15,编号4,415--431(2022;Zbl 07493267) 全文: 内政部