×

样条曲线平滑参数选择的一些特点。 (英语) Zbl 1387.62048号

小结:平滑样条方法用于将曲线拟合到噪声数据集,其中平滑参数的选择至关重要。一种自适应的(C_{p})准则[C.-S.陈H.-C.黄,J.Stat.计划。推论141,编号1445-452(2011;Zbl 1203.62062号)]在Stein无偏风险估计的基础上,提出了选择平滑参数的方法,该方法不仅考虑了通常的有效自由度,还考虑了选择的可变性。结果表明,所得到的拟合曲线比常用的选择准则更优、更稳定,并且具有与(C_{p})相同的渐近最优性。在本文中,我们进一步讨论了平滑参数选择的一些特点,特别是选择的可变性。

MSC公司:

62G08号 非参数回归和分位数回归
65天10分 数值平滑、曲线拟合

软件:

全球供应链
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 艾丁、D.、M.梅梅德利和R.E.Omay。2013.使用平滑样条曲线平滑非参数回归的参数选择。欧洲纯粹与应用数学杂志6:222-38·Zbl 1389.62011号
[2] 布雷曼,L.1996。模型选择中不稳定性和稳定性的启发。统计年鉴24:2350-83·Zbl 0867.62055号
[3] Chen、C.S.和H.C.Huang。2011.改进的样条曲线平滑C_p准则。《统计规划与推断杂志》141:445-52·Zbl 1203.62062号
[4] 克雷文、P.和G.瓦赫巴。1979.使用样条函数平滑噪声数据:使用广义交叉验证方法估计平滑的正确程度。数值数学31:377-403·Zbl 0377.65007号
[5] Demmler,A.和C.Reinsch。1975。带样条平滑的振动矩阵。数值数学24:375-82·Zbl 0297.65002号
[6] 埃夫隆,B.2001。散点图平滑器的选择标准。《统计年鉴》29:470-504·兹比尔1012.62040
[7] Green、P.和B.Silverman。非参数回归和广义线性模型。伦敦:查普曼和霍尔·Zbl 0832.62032号
[8] 顾,C.2002。平滑样条方差分析模型。纽约:斯普林格·Zbl 1051.62034号
[9] 寇,S.C.2003。样条回归中选择准则的效率。概率论及相关领域127:153-76·Zbl 1027.62021号
[10] 寇,S.C.2004。从有限样本到渐近:样条回归中选择标准的几何桥。统计年鉴32:2444-68·Zbl 1076.62039号
[11] Kou,S.C.和B.Efron。2002.Smoothers和C_p,广义最大似然和扩展指数准则:几何方法。美国统计协会杂志97:766-82·Zbl 1048.62044号
[12] Li,K.C.1986年。岭回归中C_p的渐近最优性和广义交叉验证及其在样条平滑中的应用。《统计年鉴》14:1101-12·Zbl 0629.62043号
[13] Mallows,C.1973年。关于C_p.技术计量学15:661-75的一些评论·Zbl 0269.62061号
[14] 莱斯、P.T.和R.T.奥格登。一类半参数线性模型的平滑参数选择。英国皇家统计学会杂志,B辑,统计方法71:505-23·Zbl 1248.62057号
[15] Wahba,G.1985年。广义样条平滑问题中GCV和GML在选择平滑参数方面的比较。《统计年鉴》13:1378-402·Zbl 0596.65004号
[16] Wecker,W.和C.Ansley。1983年。非线性回归和样条平滑的信号提取方法。美国统计协会杂志78:81-89·Zbl 0536.62071号
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。