×
Saskia M.A.贝克尔。；Peter Mathé

传播分离方法的不同观点。 （英语） Zbl 1283.62039号

电子。J.统计。 2702-2736年7月（2013年）.
摘要：传播分离方法是局部常数和局部多项式函数逐点估计的迭代过程。估计器被定义为具有数据驱动、迭代更新权重的观测值的加权平均值。在均匀区域内，它确保了与非自适应平滑（传播）类似的行为，同时避免了不同区域之间的平滑（分离）。为了证明估计值的稳定性，原始研究的作者引入了一个额外的记忆步长，将连续迭代步长的估计值聚合在一起。在这里，我们研究了简化算法的理论性质，其中省略了记忆步骤。特别地，我们引入了一种新的策略来选择自适应参数，以实现具有尖锐不连续性的局部常数函数的传播和稳定性。

引用于2文件

MSC公司：

10层62层 点估计
62G05型 非参数估计
65立方厘米60 统计中的计算问题（MSC2010）

关键词：

结构自适应平滑；局部似然；指数族

软件：

美国焊接学会
PDF格式BibTeX公司 XML格式引用
\textit{S.M.A.Becker}和\textit{P.Mathé}，电子。J.Stat.7，2702--2736（2013；Zbl 1283.62039）
全文： 内政部 欧几里得

参考文献：

[1] Akkouchi，M.关于指数分布的卷积。J.Chungcheong数学。Soc.，21（4）：501-5102008年。
[2] Becker，S.M.A.、Tabelow，K.、Voss，H.U.、Anwander，A.、Heidemann，R.M.和Polzehl，J.扩散加权磁共振数据（POAS）的位置定向自适应平滑。医学图像分析，16(6):1142-1155, 2012. URL。
[3] Becker，S.M.A.、Tabelow，K.、Mohammadi，S.、Weiskopf，N.和Polzehl，J.通过msPOAS对多壳扩散加权磁共振数据进行自适应平滑。预印本编号1809，WIAS，柏林，2013年。
[4] Belomestny，D.和Spokoiny，V.局部似然估计的空间聚集及其在分类中的应用。安.统计师，35(5):2287-2311, 2007. URL·Zbl 1126.62021号 ·doi:10.1214/009053607000000271
[5] Divine，D.V.、Polzehl，J.和Godtliebsen，F.估计时间序列中自相关的传播分离方法。地球物理学中的非线性过程，15（4）：591-5992008。
[6] Lepskiĭ，O.V.高斯白噪声中的自适应估计问题。特奥。Veroyatnost公司。i Primenen，35(3):459-470, 1990. URL·Zbl 0725.62075号
[7] Lepskiĭ，O.V.，Mammen，E.，and Spokoiny，V.，针对非均匀平滑度的最佳空间适应：基于带可变带宽选择器的核估计的方法。统计年鉴，25（3）：929-9471997·兹伯利0885.62044 ·doi:10.1214/aos/1069362731
[8] Li，Y.、Zhu，H.、Shen，D.、Lin，W.、Gilmore，J.H.和Ibrahim，J.G.神经成像数据的多尺度自适应回归模型。J.R.统计社会服务。B统计方法，73(4):559-578, 2011. URL·Zbl 1226.62063号 ·文件编号：10.1111/j.1467-9868.2010.00767.x
[9] Li，Y.、Gilmor，J.H.、Wang，J.、Styner，M.、Lin，W.和Zhu，H.Twinmarm：双生子神经影像数据的两阶段多尺度自适应回归方法。IEEE传输。医学影像学，31（5）：1100-11122012。URL。
[10] Mathai，A.M.，具有伽马型输入的大坝的蓄水能力。Ann.Inst.统计。数学，34(3):591-597, 1982. URL·Zbl 0505.60099号 ·doi:10.1007/BF02481056
[11] Mathé，P.和Pereverzev，S.V.用离散随机噪声数据正则化一些线性不适定问题。数学。公司，75（256）：1913-1929（电子版），2006年。URL·Zbl 1103.62031号 ·doi:10.1090/S0025-5718-06-01873-4
[12] Moschopoulos，P.G.独立伽马随机变量之和的分布。Ann.Inst.统计。数学，37(3):541-544, 1985. URL·Zbl 0587.60015号 ·doi:10.1007/BF02481123
[13] Polzehl，J.aws:自适应权重平滑，2012年。URL。R包版本1.9-1。
[14] Polzehl，J.和Spokoiny，V.自适应权重平滑及其在图像恢复中的应用。《皇家统计学会杂志：B辑（统计方法）》，62:335-3542000年。
[15] Polzehl，J.和Spokoiny，V.局部似然估计的传播分离方法。概率论及相关领域，135:335-362006·兹比尔1089.62033 ·doi:10.1007/s00440-005-0464-1
[16] Polzehl，J.和Spokoiny，V.通过传播分离方法进行结构自适应平滑。在数据可视化手册中，Springer Handbooks Comp。统计，第471-492页，施普林格-柏林-海德堡，2008年·Zbl 1145.68559号
[17] Polzehl，J.、Voss，H.U.和Tabelow，K.统计参数映射的结构自适应分割。神经影像，52:515-5232010。
[18] Spokoiny，V.和Vial，C.使用传播方法进行逐点自适应参数调整。安.统计师，37（5B）：2783-28072009年·Zbl 1173.62028号 ·doi:10.1214/08-AOS607
[19] Tabelow，K.、Polzehl，J.、Spokoiny，V.和Voss，H.U.扩散张量成像：结构自适应平滑。《神经影像》，39:1763-17732008年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。