Answers:
除了@DahnJahn好的答案外,我想我想再说一下Bessel和gamma函数的来源。达到协方差函数的一个起点是Bochner定理。
定理(波切内尔)的连续静止的函数是正定的,当且仅当 被傅立叶变换的有限正措施:
由此可以推断出Matérn协方差矩阵是傅里叶变换(源)。很好,但这并不能真正告诉我们您如何达到给出的有限正度量。好吧,这是随机过程的(功率)频谱密度。 ˚F(X)
哪个随机过程?已知具有Matérn协方差函数的随机过程是随机偏微分方程(SPDE) 其中是具有单位方差的高斯白噪声,是Laplace运算符,并且(我认为这是在Cressie和Wikle中)。( κ 2 -Δ)α / 2 X(小号)= φ w ^(小号),
为什么选择这种特殊的SPDE /随机过程?起源是在空间统计中,它被认为是最简单和自然的协方差,在中效果很好:
指数相关函数在一维上是自然相关,因为它对应于马尔可夫过程。尽管在地统计工作中指数是常见的相关函数,但在二维中这已不再是。Whittle(1954)确定了与拉普拉斯类型的随机微分方程相对应的相关性:
ε
其中是白噪声。相应的离散晶格过程是二阶自回归。(资源)
与Matern方程关联的SDE中包括的过程族包括经历布朗运动的粒子速度的 Ornstein-Uhlenbeck模型。更一般地,您可以为每个具有pMatérn族协方差的整数定义过程族的功率谱。这在拉斯穆森和威廉姆斯的附录中。A R (p )p
参考文献
Cressie,Noel和Christopher K.Wikle。时空数据的统计信息。约翰·威利父子(John Wiley&Sons),2015年。
Guttorp,Peter和Tilmann Gneiting。“概率统计历史研究XLIX关于Matern相关族。” Biometrika 93.4(2006):989-995。
CE的Rasmussen和CKI高斯机器学习过程的Williams。麻省理工学院出版社,2006年。
我不知道,但是我发现这个问题非常有趣,这是我经过一番阅读后得到的。
对于某些值,可以将 Matérn协方差函数表示为指数和多项式的乘积。例如: 因此,当,实际上收敛于高斯RBF: 对于,Matérn协方差函数给出绝对指数内核 ν = 5 / 2 ç 5 / 2(d )= σ 2 ( 1 + √ν→交通∞ÇνLIMν→交通∞Çν(d)=σ2EXP(-d2
此外,具有参数的Matérn协方差函数的高斯过程是微的。
从Rasmussen&Williams(2006)拍摄的照片中可以很好地证明这一点。
在空间数据插值中,斯坦因(他实际上提出了Matérn协方差函数的名称)认为(第30页),高斯协方差函数的无穷微分对物理过程产生了不切实际的结果,因为只观察了一小部分连续的理论上,时空应该产生整个功能。因此,他提出了Matérn版本作为一种概括,可以更实际地匹配物理过程。
Matérn协方差函数可以看作是高斯径向基函数的推广。它甚至包含绝对指数内核,它给出了截然不同的结果,并且由于其有限的可微性(对于有限),因此能够更好地捕获物理过程。
至于贝塞尔函数外观的神秘性,我希望看到其背后的进一步直觉,但我想正是因为(渐近)行为使其在这种情况下有用,并导致斯坦因定义Matérn协方差函数。当然,这并不排除就所有理由为何都是正确的观点进行辩论的可能性。