使用树收缩先验的大规模多尺度空间克里金
统计方法学
2018-04-02 v1
摘要
我们开发了一种多尺度空间核卷积技术，利用高阶函数捕捉精细尺度的局部特征，并利用低阶项捕捉大尺度特征。为实现简约性，多尺度核卷积模型中的系数被赋予了一类新的“树收缩先验”分布。随着分辨率的提高，树收缩先验对系数施加越来越大的收缩，以适应任何子域所需的分辨率程度。与现有的大数据多尺度空间模型相比，我们提出的模型具有许多显著特征。与现有多尺度方法不同，所提出的方法自动调整对域中子区域进行建模所需的分辨率程度，通过参数局部更新的适当并行化实现可扩展性，并有理论支持作为后盾。使用几次模拟实验和太平洋海面温度数据的地质统计分析说明了其优异的经验性能。
引用
@article{arxiv.1803.11331,
title = {Large Multi-scale Spatial Kriging Using Tree Shrinkage Priors},
author = {Rajarshi Guhaniyogi and Bruno Sanso},
journal= {arXiv preprint arXiv:1803.11331},
year = {2018}
}