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