几何数据流中的确定性抽样和范围计数
摘要：构建几何数据流的epsilon-网和epsilon-近似的内存高效确定性算法 确定性样本提供其近似因子的保证界限。 使用这些确定性样本来回答数据流上的近似在线冰山几何查询。 使用这些技术来近似几何数据流的几个健壮统计量，包括Tukey深度，simplicial深度，回归深度，Thiel-Sen估计量和最小平方差。 我们的算法只使用对数多项式的内存，前提是所需的近似因子为反对数多项式。 我们还包括非冰山几何查询的一个下界。
作者：Amitabha Bagchi, Amitabh Chaudhary, David Eppstein and Michael T. Goodrich
论文ID：cs/0307027
分类：Computational Geometry
分类简称：cs.CG
提交时间：2007-06-14