针对模相近数据的启发式核密度估计器.pdfVIP

ISSN1004‐9037，CODENSCYCE4http：//sjcj.nuaa.edu.cn

JournalofDataAcquisitionandProcessingVol.40，No.3，May2025，pp.711-729E‐mail：sjcjnuaa.edu.cn

DOI：10.16337/j.1004‐9037.2025.03.012Tel/Fax：+86‐025

针对模相近数据的启发式核密度估计器

1，221，222

何玉林，陈纯佳，黄哲学，李俊杰，FOURNIER‐VIGERPhilippe

（1.人工智能与数字经济广东省实验室（深圳），深圳518107；2.深圳大学计算机与软件学院，深圳518060）

摘要：区别于经典的基于Parzen窗口法的概率密度函数估计器构建策略，提出了基于近邻误差度量

函数的启发式核密度估计器（Heuristickerneldensityestimator，HKDE），用以提升对模相近数据概率密

度函数拟合的准确性。首次从数据不确定性和模型不确定性的角度分析了传统核密度估计器解决模

相近数据概率密度函数估计问题时的缺陷：利用概率密度值对于直方图箱宽参数的收敛性确定观测数

据的启发式概率密度值，降低数据概率密度值计算的不确定性；基于启发式概率密度值构建用于确定

核密度估计器最优带宽的目标函数，降低最优带宽优化过程中的不确定性。在18个模相近数据集上对

新估计器HKDE的可行性、合理性和有效性进行了系统性的验证。实验结果表明，与7种具有代表性的

概率密度函数估计器相比，HKDE能够获得更加优异的概率分布近似表现，具有比其他估计器更低的

估计误差，能够确定出更接近真实值的概率密度函数估计值。

关键词：核密度估计器；模相近观察值；不确定性；启发式概率密度值；直方图箱宽

中图分类号：TP391.9文献标志码：A

HeuristicKernelDensityEstimatorforModal‑ProximityData

HEYulin1，2，CHENChunjia2，HUANGZhexue1，2，LIJunjie2，FOURNIER‐VIGERPhilippe2

(1.GuangdongLaboratoryofArtificialIntelligenceandDigitalEconomy(Shenzhen),Shenzhen518107,China;2.Collegeof

ComputerScienceandSoftwareEngineering,ShenzhenUniversity,Shenzhen518060,China)

Abstract：Differentfromtheclassicalprobabilitydensityestimatorconstructionstrategiesbasedonthe

Parzenwindowmethod，weproposeaheuristickerneldensityestimator（HKDE）basedonnearest

neighborerrormeasurementfunction，toimprovetheaccuracyoffittingprobabilitydensityfunctionof

modal-proximitydata.Fromtheperspectiveofdataandmodeluncertainties，weanalyzethedefectsof

traditional