统计学 > 计算
[提交于 2015年12月1日
(v1)
,最后修订 2019年11月19日 (此版本, v11)]
标题: 非均匀康托分布的最佳量化
标题: Optimal quantization for nonuniform Cantor distributions
摘要: 设 $P$ 是 $\mathbb R$ 上的一个博雷尔概率测度,并且满足 $P=\frac 1 4 P\circ S_1^{-1} +\frac 3 4 P\circ S_2^{-1}$,其中 $S_1$ 和 $S_2$ 是 $\mathbb R$ 上的两个相似映射,使得 $S_1(x)=\frac 1 4 x $ 并且 $S_2(x)=\frac 1 2 x +\frac 12$ 对所有 $x\in \mathbb R$ 成立。 这样的概率测度 $P$ 的支集是通过 $S_1$ 和 $S_2$ 生成的康托尔集。 对于这个概率测度,本文给出了一个归纳公式,用于确定所有 $n\geq 2$ 的 $n$-均值的最佳集合和第 $n$ 阶量化误差。 我们已经证明,相同的归纳公式同样适用于康托分布 $P:=\psi^2 P\circ S_1^{-1} +\psi^4 P\circ S_2^{-1}$,该分布由康托集生成元 $S_1(x)=\frac 13x$ 和 $S_2(x)=\frac 13 x+\frac 23$(对于所有 $x\in \mathbb R$)支撑,其中 $\psi$ 是黄金比例的平方根 $\frac 12(\sqrt 5-1)$。 此外,我们给出了一个反例,以表明该归纳公式并非适用于所有康托分布。 利用该归纳公式,我们得到了一些结果和观察,这些内容也在本文中给出。
提交历史
来自: Lakshmi Roychowdhury [查看电子邮件][v1] 星期二, 2015 年 12 月 1 日 18:34:30 UTC (13 KB)
[v2] 星期二, 2016 年 1 月 19 日 18:54:22 UTC (13 KB)
[v3] 星期五, 2016 年 2 月 19 日 19:07:31 UTC (63 KB)
[v4] 星期三, 2016 年 3 月 2 日 15:02:38 UTC (63 KB)
[v5] 星期四, 2016 年 4 月 7 日 05:42:25 UTC (64 KB)
[v6] 星期一, 2016 年 6 月 13 日 18:42:38 UTC (64 KB)
[v7] 星期日, 2016 年 11 月 20 日 18:57:41 UTC (65 KB)
[v8] 星期日, 2018 年 1 月 28 日 20:57:46 UTC (95 KB)
[v9] 星期四, 2019 年 11 月 14 日 06:49:14 UTC (95 KB)
[v10] 星期一, 2019 年 11 月 18 日 16:31:32 UTC (94 KB)
[v11] 星期二, 2019 年 11 月 19 日 05:10:14 UTC (94 KB)
文献和引用工具
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
推荐器和搜索工具
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.