بدیهی است که برآورد چگالی هسته ای به راحتی از داده های پرت تاثیر می گیرد. داده های پرت، شدت اریبی در برآورد چگالی هسته ای را افزایش می دهد به نحوی که نقاط چگال را کم برآورد و نقاط کم چگال را بیش برآورد می کند. روشهای مختلفی برای کاهش اریبی برآورد چگالی همچون روشهای بازموزون وجود دارد. این روشها عموماً توجهی به داده های آلوده به مشاهده پرت ندارند. روش حداقل مربعات بازموزون تکراری روشی است که برای برآورد استوار چگالی هسته ای پیشنهاد شده است. با توجه به اینکه این روش بر اساس فرآیند تکرار، برآورد استوار چگالی را ارائه می دهد، بسیار زمان بر و اساساً قابل کاربرد برای حجم زیاد داده نیست. در این مقاله ما روشی را برای برآورد استوار چگالی هسته ای ارائه می دهیم که به شکل مستقیم عمل کرده و مبتنی بر روشهای تکراری نیست. این روش خصوصاً در حوزه داده کاوی و یادگیری ماشینی که با داده های با حجم زیاد و یا نیاز به تسریع در پردازش داده ها است، کاربرد دارد. روش پیشنهادی به کمک شبیه سازی نشان می دهد در مقایسه با روشهای مبتنی بر تکرار، علاوه براینکه از سرعت بالاتری برخوردار است، باعث کاهش اریبی در برآورد کلاسیک تابع چگالی نیز میشود. همچنین نشان داده ایم این روش قابل استفاده در سایر حوزه های آماری همچون کشف داده پرت در توزیعهای ترکیبی چندمتغییره است.
