统计及其接口
第15卷(2022年)
数字4
基于加权主支持向量机的空间点过程降维
页:415–431年
内政部:https://dx.doi.org/10.4310/21-SII705
作者
Subha Datta(美国新泽西州纽瓦克新泽西理工学院)
Ji Meng Loh(美国新泽西州纽瓦克新泽西理工学院)
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。[13]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[29]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。
关键词
空间点过程、充分降维、加权主支持向量机
2010年数学学科分类
主62M30。次要62H11。
收到日期:2021年4月5日
2021年10月13日接受
2022年3月4日出版