Dec, 2020

核密度估计器和带宽选择及其衍生物：kedd 软件包

PDF
TL;DR该论文介绍了 kedd 包，这是 R 统计系统的一个补充，提供了更多的平滑技术，其主要特征包括四个方面：计算核功能的卷积和导数、计算概率密度的核估计量及其导数、使用不同的方法计算带宽选择器、显示带宽的核估计函数和选择函数。
发现论文，激发创造
  • 核密度估计及其最新进展教程

    本篇论文是一篇介绍核密度估计及其最近在置信区间，几何 / 拓扑特征方面的新进展的入门教程。论文从基本的 KDE 属性开始，介绍了收敛速率、密度导数估计和带宽选择等内容，接着介绍了常见的置信区间 / 带的构造方法以及如何处理偏差。然后，我们讨论了最近使用 KDE 推断密度函数的几何和拓扑特征的进展和如何用 KDE 估计累积分布函数和接收操作特征曲线。 文中提供相关的 R 实现。

    Apr, 2017

  • 鲁棒核密度估计

    提出一种非参数密度估计算法，通过将传统的核密度估计器（KDE）与经典 $M$-estimation 的思想相结合，以及利用核化迭代加权最小二乘（IRWLS）算法对样本均值进行鲁棒性估计从而获得鲁棒 Kernel 密度估计器 (RKDE)，并给出了它的相关理论性质和试验结果。

    Jul, 2011

  • 扩散过程中的核密度估计

    研究新的基于线性扩散过程的自适应核密度估计器，并利用先验密度估计信息，提出了一种新的插件带宽选择方法，在模拟实验中证明了其准确性和可靠性优于现有方法。

    Nov, 2010

  • 核密度比的变分加权

    多维变分法引用工具，为减小标准核密度估计的偏差而推导出最优权重函数，从而改善预测后验概率和信息论度量的估计结果，并揭示了核密度估计的一些基本方面，尤其是作为主要构建模块的算法的视角。

    Nov, 2023

  • gk: g-and-k 和广义 g-and-h 分布的 R 软件包

    介绍了 gk R 包，可以用于高度偏斜或重尾数据的建模和参数推断，其中使用了 g-and-k 和（generalised）g-and-h 分布，主要关注于其分布函数和推断算法。

    Jun, 2017

  • GetDist：用于分析 Monte Carlo 样本的 Python 包

    本文介绍了 Python GetDist 包的方法，可以利用核密度估计 (KDE) 计算边际化的一维和二维密度，以及产生多种出版物质量的图形和诊断收敛性

    Oct, 2019

  • 具有连通边界条件的核密度估计

    本文提供了一种新的核密度估计方法，通过引入边界约束条件，得到了一种非自伴扩散过程和非可分广义特征函数的展开，并通过统一变换法对其进行了严格分析，得到了一些理想的性质，并且在生物学上的应用具有更高的准确率和更快的速度，并且还演示了如何建立满足目标函数的边界条件的统计估计。

    Sep, 2018

  • 高维情况下基于哈希的核密度估计器

    该论文研究了基于局部敏感哈希实现无偏估算的核密度估计数据结构，旨在在高维数据集中实现高效的核密度估计，并提供比单纯随机抽样更好的理论保证。

    Aug, 2018

  • 流式数据的近似核密度估计子线性 RACE 草图

    提出 RACE 算法以取代高维数据的核密度估计，通过将一组高维向量压缩成一组整数计数器的小数组来实现。该方法可应用于实际的高维度数据集，相比其他方法具有 10 倍的压缩性能。

    Dec, 2019

  • 基于核的模态统计方法的最优核函数

    本文研究核函数的选择对核基模态统计方法中估计精度的影响，理论上证明了一种多元最优核函数，能够在使用最优带宽时，最小化其解析得到的渐近误差准则。

    Apr, 2023