Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:0801.2231

帮助 | 高级搜索

数学 > 统计理论

arXiv:0801.2231 (math)
[提交于 2008年1月15日 (v1) ,最后修订 2008年3月27日 (此版本, v2)]

标题: 混合状态观测的空间建模

标题: Spatial modelling for mixed-state observations

Authors:Cécile Hardouin, Jian-Feng Yao
摘要: 在降雨量数据建模、图像序列运动分析等多个应用领域中,观测值包含两种不同性质的成分。 第一部分由表示符号信息的一些离散值组成,第二部分记录连续(实数值)测量值。 我们将这种类型的观测称为“混合状态观测”。 本文介绍适用于分析这类数据的空间模型。 我们考虑多参数自模型,其局部条件分布属于混合状态指数族。 详细讨论了指数分布的具体例子,并给出了利用视频序列对运动测量建模的一些实验结果。
摘要: In several application fields like daily pluviometry data modelling, or motion analysis from image sequences, observations contain two components of different nature. A first part is made with discrete values accounting for some symbolic information and a second part records a continuous (real-valued) measurement. We call such type of observations "mixed-state observations". This paper introduces spatial models suited for the analysis of these kinds of data. We consider multi-parameter auto-models whose local conditional distributions belong to a mixed state exponential family. Specific examples with exponential distributions are detailed, and we present some experimental results for modelling motion measurements from video sequences.
评论: 发表于http://dx.doi.org/10.1214/08-EJS173的《电子统计期刊》(http://www.i-journals.org/ejs/),由数理统计学会(http://www.imstat.org)出版。
主题: 统计理论 (math.ST)
MSC 类: 62H05, 62E10 (Primary) 62M40 (Secondary)
引用方式: arXiv:0801.2231 [math.ST]
  (或者 arXiv:0801.2231v2 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.0801.2231
通过 DataCite 发表的 arXiv DOI
期刊参考: IMS-EJS-EJS_2008_173
相关 DOI: https://doi.org/10.1214/08-EJS173
链接到相关资源的 DOI

提交历史

来自: Jian-feng Yao [查看电子邮件]
[v1] 星期二, 2008 年 1 月 15 日 15:04:51 UTC (786 KB)
[v2] 星期四, 2008 年 3 月 27 日 08:13:32 UTC (828 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2008-01
切换浏览方式为:
math
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号