کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11001557 681441 2019 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The radial wavelet frame density estimator
ترجمه فارسی عنوان
تراکم چگالی چگالی شکل موج شعاعی
کلمات کلیدی
برآورد تراکم، برآوردگر تراکم موجک، بردار چگالی چگالی شکل موج شعاعی، برآورد تراکم چند بعدی، برآورد تراکم آنلاین، تجزیه و تحلیل جریان داده ها،
ترجمه چکیده
برآورد تراکم احتمالی یکی از مشکلات اساسی در تحقیقات علمی است. نشان داده شده است که برآوردگردهای تراکم موجک، که یک رویکرد غیر پارامتری مستحکم هستند، نسبت به برآوردگرهای غیر پارامتری دیگر در مشکلات مربوط به تراکم با اختلالات و ویژگیهای محلی بهتر عمل می کنند. با این حال، استفاده از این نوع برآوردگرها در جامعه علمی به طور گسترده ای به دلیل پیچیدگی محاسباتی سنگین و اجرای الگوریتمی دشوار آنها به طور گسترده ای گسترش نمی یابد. یک رویکرد جدید برآورد کننده تراکم عرضی چند بعدی با استفاده از توابع پوسته پوسته چند بعدی با اشکال فرمتی فرمول تحلیلی ارائه شده است. مزایای کلیدی برآوردگر پیشنهادی، اجرای ساده الگوریتم چند بعدی و کاهش قابل توجه آن در پیچیدگی محاسباتی است. فرمولاسیون الگوریتمی برای چهار سناریو تجزیه و تحلیل اطلاعات مختلف ارائه شده است: (1) پردازش دسته ای داده های ورودی، (2) برآورد آنلاین برای روند ثابت، (3) برآورد آنلاین برای زمینه های غیر ثابت و (4) تخمینی دسته ای از داده های با ابعاد . نتایج ارزیابی نشان می دهد که رویکرد پیشنهادی زمان محاسبه فرایند برآورد را کاهش می دهد در حالی که حفظ خطاهای تخمین رقابتی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
The estimation of probability densities is one of the fundamental problems in scientific research. It has been shown that Wavelet Density Estimators, which are a well-documented nonparametric approach, outperform other nonparametric estimators in problems involving densities with discontinuities and local features. However, the use of this type of estimators is not widely extended in the scientific community mainly because of their heavy computational complexity and their difficult algorithmic implementation. A novel multidimensional Wavelet Density Estimator approach based on new multidimensional scaling functions with analytic closed-form expressions is proposed. The key advantages of the proposed estimator are its simpler multidimensional algorithmic implementation and its significant reduction in computational complexity. Algorithmic formulations for four different data analysis scenarios are presented: (1) batch processing of input data, (2) online estimation for stationary process, (3) online estimation for non-stationary contexts and (4) batch estimation of high-dimensional data. The assessment results show that the proposed approach reduces the computational time of the estimation process while maintaining competitive estimation errors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 130, February 2019, Pages 111-139
نویسندگان
, , ,