کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
6868698 1440032 2018 13 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
Penalized composite likelihoods for inhomogeneous Gibbs point process models
ترجمه فارسی عنوان
احتمال کامپوزیت مجازات شده برای مدل های فرآیند نقطه غوطهوری گیبز
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
کلمات کلیدی
فرآیند نقطه گیبس، احتمال کامپوزیت، منظم سازی، انتخاب متغیر، معیارهای اطلاعات، مدل سازی توزیع گونه،
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
A novel general framework is presented for regularizing inhomogeneous Gibbs point process models via composite likelihood with convex penalty functions. Both penalized pseudolikelihood and a new approach based on penalized logistic composite likelihood are considered, and the selection properties and predictive performance of these two methods are evaluated in a simulation study. The use of composite information criteria for penalty tuning parameter selection is also investigated. A new criterion is proposed based on the extended regularized information criterion (ERIC), which outperforms other composite information criteria in simulations. In a species distribution modelling application, the new methods are compared to MAXENT, a popular software package that also fits regularized point process models. The models obtained using the new methods exhibit similar or better fit to the data than the MAXENT model while being sparser and more interpretable.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 124, August 2018, Pages 104-116
نویسندگان
, , ,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت