nach oben

Measurement Techniques

Erschienen in:

03.10.2017 | GENERAL PROBLEMS OF METROLOGY AND MEASUREMENT TECHNIQUE

Analysis of Optimization Methods for Nonparametric Estimation of the Probability Density with Respect to the Blur Factor of Kernel Functions

verfasst von: A. V. Lapko, V. A. Lapko

Erschienen in: Measurement Techniques | Ausgabe 6/2017

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The results of a comparison of the most common optimization methods for the nonparametric estimation of the probability density of Rosenblatt–Parzen are presented. To select the optimal values of the blur coefficients of kernel functions, minimum conditions for the standard deviation of the nonparametric estimate of the probability density and the maximum of the likelihood function are used.

Nächster Artikel Restoration of a Continuous Parameter with Respect to a Finite Number of its Dimensions

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

E. Parzen, “On the estimation of a probability density function and mode,” Ann. Math. Stat., 33, No. 3, 1065–1076 (1962).MathSciNetCrossRefMATH

V. A. Epanechnikov, “Nonparametric estimation of a multi-dimensional probability density,” Teor. Ver. Primen., 14, No. 1, 156–161 (1969).MathSciNetMATH

A. V. Lapko, V. A. Lapko, and M. A. Sharkov, “Nonparametric methods for detecting regularities in conditions of small samples,” Izv. Vuz. Priborostr., 51, No. 8, 62–67 (2008).

A. V. Lapko and V. A. Lapko, “Regression estimate of the multidimensional probability density and its properties,” Opt., Inst. Data Proc., 50, No. 2, 148–153 (2014).

A. V. Lapko, A. V. Medvedev, and E. A. Tishina, “Optimization of nonparametric estimations,” Algorithms and Programs for Automation Systems for Experimental Research: Coll. Sci. Works, Frunze (1975), pp. 105–116.

M. Rudemo, “Empirical choice of histogram and kernel density estimators,” Scand. J. Stat., No. 9, 65–78 (1982).

P. Hall, “Large-sample optimality of least squares cross-validation in density estimation,” Ann. Stat., 11, 1156–1174 (1983).MathSciNetCrossRefMATH

M. Jiang and S. B. Provost, “A hybrid bandwidth selection methodology for kernel density estimation,” J. Stat. Comp. Simul., 84, No. 3, 614–627 (2014).MathSciNetCrossRef

S. Dutta, “Cross-validation revisited,” Communic. Stat. Simul. Comput., 45, No. 2, 472–490 (2016).MathSciNetCrossRefMATH

10.

N. B. Heidenreich, A. Schindler, and S. Sperlich, “Bandwidth selection for kernel density estimation: a review of fully automatic selectors,” AStA Adv. Stat. Anal., 97, No. 4, 403–433 (2013).MathSciNetCrossRef

11.

Qi Li and J. S. Racine, Nonparametric Econometrics: Theory and Practice, Princeton Univ., Princeton (2007).MATH

12.

R. P. W. Duin, “On the choice of smoothing parameters for Parzen estimators of probability density functions,” IEE Trans. Comp., C-25, 1175–1179 (1976).MathSciNetCrossRefMATH

13.

Z. I. Botev and D. P. Kroese, “Non-asymptotic bandwidth selection for density estimation of discrete data,” Method. Comp. Appl. Probab., 10, No. 3, 435–451 (2008).MathSciNetCrossRefMATH

14.

L. Devroi and L. Dierfi , Nonparametric Estimation of Density (L ₁ approach) [Russian translation], Mir, Moscow (1988).

15.

A. V. Lapko and V. A. Lapko, “Nonparametric pattern recognition algorithms for random values of fuzziness factors of kernel functions,” Opt. Instrum. Data Proc., 43, No. 5, 425–432 (2007).CrossRef

Titel: Analysis of Optimization Methods for Nonparametric Estimation of the Probability Density with Respect to the Blur Factor of Kernel Functions
verfasst von: A. V. Lapko
V. A. Lapko
Publikationsdatum: 03.10.2017
Verlag: Springer US
Erschienen in: Measurement Techniques / Ausgabe 6/2017
Print ISSN: 0543-1972
Elektronische ISSN: 1573-8906
DOI: https://doi.org/10.1007/s11018-017-1228-x

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Weitere Artikel der Ausgabe 6/2017

Evaluation of the Influence of Geomagnetic Activity on Metrological Characteristics of Inclinometric Information Measuring Systems

Radio Pulse Measurements of Acoustic Parameters

Calibration of Matrix Photodetectors and Precision Positioning of Objects According to Raster Images

Production Process Control Subsystem for Manufacture of Integrated Circuits

Experimental Verification of Computational Model of Magnetized Segment of Pipeline with Artificially Created Defects

Reproduction of the Volt Based on SIS- and SNS-type Josephson Junctions