Density estimation over spatio-temporal data streams

در چند سال اخیر، در بسیاری از زمینه های تحقیق علمی، داده ها به راحتی قابل جمع می باشند. این امر با پیشرفت های تکنولوژیکی اخیر امکان پذیر شد که امکان نظارت آنلاین وجود داشت. در چنین شرایطی، اگر انتظارات زمان واقعی یا برآورد آنلاین باشد، تکنیک های معمول غیر پارامتریک به سرعت نیاز به زمان زیادی برای محاسبه دارند و در نتیجه عمل بی فایده می شود. همتای سازگار از برآوردگرهای تراکم هسته کلاسیک، که می تواند بسیار آسان به روز شود، زمانی که یک مجموعه جدید از مشاهدات در دسترس است، برای فرآیند فضایی-زمان با ساختار وابستگی ضعیف مورد بررسی قرار می گیرد. میانگین مربع، یکنواخت تقریبا اطمینان همگرایی و یک نتیجه مرزی حد مرکزی تحت شرایط عمومی و به راحتی قابل تایید بدست می آید. کارایی برآوردگرهای در نظر گرفته شده از طریق شبیه سازی و یک برنامه داده واقعی ارزیابی می شود. نتایج نشان می دهد که روش پیشنهادی به خوبی در چارچوب جریان داده های فضایی-زمانی به خوبی کار می کند.