[论文解读] Estimation of Expected Euler Characteristic Curves of Nonstationary Smooth Gaussian Random Fields

Armin Schwartzman, Fabian J. E. Telschow+2 more|arXiv (Cornell University)|Aug 7, 2019

Soil Geostatistics and Mapping参考文献 34被引用 4

一句话总结

该论文提出了一种基于钉扎欧拉特征曲线线性投影的Lipschitz-Killing曲率（LKCs）的一致估计器，适用于非平稳平滑高斯随机场，从而通过参数模型高效估计期望欧拉特征曲线（EEC）。该方法在方差和效率方面优于非参数方法，并通过乘子自展法扩展至非高斯场，已在二维模拟、三维fMRI和宇宙学2-球面数据中得到验证。

ABSTRACT

The expected Euler characteristic (EEC) curve of excursion sets of a Gaussian random field is used to approximate the distribution of its supremum for high thresholds. Viewed as a function of the excursion threshold, the EEC is expressed by the Gaussian kinematic formula (GKF) as a linear function of the Lipschitz-Killing curvatures (LKCs) of the field, which solely depend on the domain and covariance function of the field. So far its use for non-stationary Gaussian fields over non-trivial domains has been limited because in this case the LKCs are difficult to estimate. In this paper, consistent estimators of the LKCs are proposed as linear projections of pinned observed Euler characteristic curves and a linear parametric estimator of the EEC curve is obtained, which is more efficient than its nonparametric counterpart for repeated observations. A multiplier bootstrap modification reduces the variance of the estimator, and allows estimation of LKCs and EEC of the limiting field of non-Gaussian fields satisfying a functional CLT. The proposed methods are evaluated using simulations of 2D fields and illustrated in thresholding of 3D fMRI brain activation maps and cosmological simulations on the 2-sphere.

研究动机与目标

• 解决在复杂域上对非平稳高斯随机场的Lipschitz-Killing曲率（LKCs）估计问题，传统方法因计算不可行而失效。
• 为泛化集的期望欧拉特征曲线（EEC）曲线开发一致且高效的估计器，这对高阈值上确界分布的近似至关重要。
• 通过实现从观测数据中实际估计LKCs，将高斯运动公式（GKF）的适用性扩展至非平稳和非平凡域。
• 通过乘子自展法降低估计器方差，并在函数中心极限定理下实现对非高斯场的推断。

提出的方法

• 通过将观测到的钉扎阈值下的欧拉特征曲线投影到已知几何泛函的基上，提出LKCs的线性投影估计器。
• 将EEC曲线建模为LKCs的加权和，利用高斯运动公式（GKF）将EEC表示为域和协方差结构的函数，形成线性参数模型。
• 引入乘子自展程序以降低LKCs和EEC估计器的方差，尤其适用于重复观测和非高斯场近似。
• 将参数化EEC估计器应用于真实世界数据，包括三维fMRI脑激活图和2-球面上的宇宙学模拟，展示了其鲁棒性和高效性。

实验结果

研究问题

• RQ1 如何在分析计算不可行的非平凡域上，对非平稳高斯场的Lipschitz-Killing曲率（LKCs）实现一致估计？
• RQ2 基于LKCs投影的参数化EEC估计器是否在效率和方差降低方面优于非参数估计？
• RQ3 在函数中心极限定理下，通过乘子自展法，该方法在多大程度上可扩展至非高斯场？
• RQ4 在3D fMRI和宇宙学2-球面数据等实际应用中，所提出的估计器表现如何？

主要发现

• 所提出的LKCs线性投影估计器具有相合性，且与非参数替代方法相比显著降低了方差，尤其在重复观测下表现更优。
• 基于LKCs投影的参数化EEC估计器在效率上优于非参数估计，为高阈值上确界分布提供了更精确和稳定的推断。
• 乘子自展方法成功降低了估计器方差，并在满足函数中心极限定理的非高斯过程极限场中实现了有效的推断。
• 在模拟和真实数据应用中，包括3D fMRI和宇宙学2-球面场，该方法准确估计了EEC和LKCs，展现出鲁棒性和实际应用价值。