[논문 리뷰] An inverse problem point of view for adaptive estimation in a shifted curves model

Jérémie Bigot, Sébastien Gadat|arXiv (Cornell University)|2008. 12. 18.

Image and Signal Denoising Methods참고 문헌 23인용 수 2

한 줄 요약

이 논문은 이동 곡선 모형에서 평균 패턴의 적응형 추정을 선형 역문제로 공식화하며, 이동 분포가 컨볼루션 연산자로 작용한다. 웨이브렛 임계처리를 적용함으로써 제안된 추정기는 베소프 볼 위에서 최소근접 수렴 속도를 달성하며, 이는 평균 패턴의 매끄러움과 이동 밀도의 푸리에 계수의 감쇠 속도에 따라 달라진다.

ABSTRACT

This paper considers the problem of adaptive estimation of a mean pattern in a randomly shifted curve model. We show that this problem can be transformed into a linear inverse problem, where the density of the random shifts plays the role of a convolution operator. An adaptive estimator of the mean pattern, based on wavelet thresholding is proposed. We study its consistency for the quadratic risk as the number of observed curves tends to infinity, and this estimator is shown to achieve a near-minimax rate of convergence over a large class of Besov balls. This rate depends both on the smoothness of the common shape of the curves and on the decay of the Fourier coefficients of the density of the random shifts. Hence, this paper makes a connection between mean pattern estimation and the statistical analysis of linear inverse problems, which is a new point of view on curve registration and image warping problems. We also provide a new method to estimate the unknown random shifts between curves. Some numerical experiments are given to illustrate the performances of our approach and to compare them with another algorithm existing in the literature.

연구 동기 및 목표

• 이동 곡선 모형에서 평균 패턴 추정과 선형 역문제 사이의 새로운 연결 고리를 확립하기 위해.
• 넓은 매끄러움 공간의 클래스에 걸쳐 최적의 수렴 속도를 달성하는 공통 평균 패턴에 대한 적응형 추정기를 개발하기 위해.
• 곡선 간의 알려지지 않은 랜덤 이동을 추정하기 위한 새로운 방법을 제공하기 위해.
• 증가하는 표본 크기 조건 하에서 제안된 추정기의 수렴 성질을 분석하기 위해.

제안 방법

• 이동 밀도를 컨볼루션 연산자로 간주하여 이동 곡선 모형을 선형 역문제로 변환하기 위해.
• 웨이브렛 임계처리를 사용하여 평균 패턴의 적응형 추정기를 구성하기 위해.
• 푸리에 분석을 활용하여 이동 밀도의 감쇠가 추정 정확도에 미치는 영향을 특성화하기 위해.
• 평균 패턴의 매끄러움과 이동 밀도의 푸리에 계수 감쇠 속도 간의 상호작용을 분석하여 수렴 속도를 유도하기 위해.
• 관측된 곡선 간의 개별 랜덤 이동을 추정하기 위한 새로운 알고리즘을 제안하기 위해.
• 기존 방법과의 성능 비교를 위해 수치 실험을 수행하기 위해.

실험 결과

연구 질문

• RQ1 공통 평균 패턴을 추정하는 문제를 이동 곡선 모형에서 선형 역문제로 재해석할 수 있는가?
• RQ2 이 모형에서 적응형 추정의 최적 수렴 속도는 무엇이며, 이는 평균 패턴의 매끄러움과 이동 분포에 어떻게 의존하는가?
• RQ3 웨이브렛 임계처리를 사용하여 베소프 볼 위에서 최소근접 수렴 속도를 달성하는 추정기를 구성할 수 있는가?
• RQ4 이동 밀도의 푸리에 계수 감쇠는 추정 정확도에 어떻게 영향을 미치는가?
• RQ5 곡선 간의 알려지지 않은 랜덤 이동을 신뢰할 수 있는 방법으로 추정할 수 있는가?

주요 결과

• 제안된 웨이브렛 임계처리 추정기는 넓은 범위의 베소프 볼 위에서 최소근접 수렴 속도를 달성한다.
• 수렴 속도는 평균 패턴의 매끄러움과 이동 밀도의 푸리에 계수 감쇠 속도에 모두 의존한다.
• 선형 역문제로의 변환은 곡선 정렬과 이미지 왜곡에 대한 새로운 이론적 프레임워크를 제공한다.
• 매끄러움 클래스에 대한 사전 지식 없이도 적응형 추정이 가능하다.
• 수치 실험을 통해 기존 문헌의 알고리즘 대비 뛰어난 성능을 보였다.
• 새로운 이동 추정 방법은 유한 표본 설정에서 곡선 정렬의 정확도를 향상시킨다.