基于非参数拟合优度检验的曲线配准
统计理论
2015-02-20 v6 统计理论
摘要
曲线配准问题出现在从神经科学到道路交通建模等许多不同的应用领域。在本文中，我们提出了一个非参数检验框架，在该框架中我们开发了一个广义似然比检验来执行曲线配准。我们首先证明，在原假设下，所得的检验统计量渐近服从卡方分布。这个结果通常被称为Wilks现象，它为指定渐近显著性水平的检验提供了一个自然的阈值，并为基于卡方检验的p值的缺乏拟合度量提供了一个自然的度量。我们还证明了所提出的检验是一致的，即其功效渐近等于1。通过数值模拟展示了所提出方法的有限样本性质。作为应用，我们引入了一种新的数字图像局部描述符，并对其判别能力进行了实验评估。
引用
@article{arxiv.1104.4210,
title = {Curve registration by nonparametric goodness-of-fit testing},
author = {Olivier Collier and Arnak S. Dalalyan},
journal= {arXiv preprint arXiv:1104.4210},
year = {2015}
}