Matérn kovariansfunktion

Inom statistik är Matérn -kovariansen , även kallad Matérn-kärnan , en kovariansfunktion som används i rumslig statistik , geostatistik , maskininlärning , bildanalys och andra tillämpningar av multivariat statistisk analys på metriska utrymmen . Den är uppkallad efter den svenske skogsstatistikern Bertil Matérn . Den specificerar kovariansen mellan två mätningar som en funktion av avståndet mellan punkterna där de tas. Eftersom kovariansen endast beror på avstånd mellan punkter är den stationär . Om avståndet är euklidiskt avstånd är Matérn-kovariansen också isotropisk .

Definition

Matérn-kovariansen mellan mätningar tagna vid två punkter åtskilda av d avståndsenheter ges av

där är gammafunktionen , är den modifierade Bessel-funktionen av det andra slaget, och ρ och är positiva parametrar för kovariansen .

En Gauss-process med Matérn-kovarians är gånger differentierbar i medelkvadratbemärkelse.

Spektral densitet

Effektspektrumet för en process med Matérn-kovarians definierad på är den ( n -dimensionella) Fouriertransformen av Matérn-kovariansfunktionen (se Wiener–Khinchin-satsen ). Explicit ges detta av

Förenkling för specifika värden på ν

Förenkling för ν halvt heltal

När Matérn -kovariansen skrivas som en produkt av ett exponentiellt och ett polynom av ordningen :

vilket ger:

  • för C
  • för :
  • för :

Det Gaussiska fallet i gränsen för oändligt ν

Som , konvergerar Matérn-kovariansen till den kvadratiska exponentiella kovariansfunktionen

Taylor-serier vid noll och spektrala ögonblick

Beteendet för kan erhållas av följande Taylor-serie (referens behövs, formeln nedan leder till division med noll i fallet ):

När de är definierade kan följande spektrala moment härledas från Taylor-serien:

Se även

  1. ^ Genton, Marc G. (1 mars 2002). "Klasser av kärnor för maskininlärning: ett statistikperspektiv" . The Journal of Machine Learning Research . 2 (3/1/2002): 303–304.
  2. ^ Minasny, B.; McBratney, AB (2005). "Matérn fungerar som en allmän modell för jordvariogram". Geoderma . 128 (3–4): 192–207. doi : 10.1016/j.geoderma.2005.04.003 .
  3. ^ a b c Rasmussen, Carl Edward och Williams, Christopher KI (2006) Gaussiska processer för maskininlärning
  4. ^ Santner, TJ, Williams, BJ, & Notz, WI (2013). Design och analys av datorexperiment. Springer Science & Business Media.
  5. ^   Abramowitz och Stegun (1972). Handbok för matematiska funktioner med formler, grafer och matematiska tabeller . ISBN 0-486-61272-4 .