×
尼罗河三亚;Marco A.R.费雷拉。

使用非局部先验的贝叶斯小波分析及其在fMRI分析中的应用。 （英语） Zbl 1383.62122号

Sankhyá，Ser。B类 79，第2期，361-388（2017）.
摘要：我们提出了一种基于非局部先验的贝叶斯层次小波非参数回归方法。我们的方法假设小波系数的先验是零点质量和Johnson-Rossell非局部先验的混合。我们考虑Johnson-Rossell非局部先验的两种选择：先验矩和逆先验矩。为了借用小波系数的强度，除了小波文献中的更传统规范外，我们考虑了混合概率的logit规范和尺度参数的多项式衰减规范。为了估计这些规范的超参数，我们提出了一种基于拉普拉斯近似的经验贝叶斯方法，该方法允许对小波系数进行快速的后验分析推断。为了评估性能，我们进行了一项模拟研究，将我们的方法与文献中其他几种基于小波的方法进行了比较。就均方误差而言，我们采用逆矩先验的方法在低信噪比以及中到大样本量的情况下产生了更好的结果。最后，我们通过应用于功能磁共振成像（fMRI）数据集来说明我们新方法的灵活性，该数据集来自与工作记忆相关的大脑激活研究。

引用于1文件

MSC公司：

62G08号 非参数回归和分位数回归
42立方厘米 涉及小波和其他特殊系统的非三角调和分析
2015年1月62日 贝叶斯推断
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

贝叶斯推断;功能恢复;混合物优先;非局部先验;小波建模

软件：

接收cv;波阈值;港口;EBayesThresh公司;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{N.Sanyal}和\textit{M.A.R.Ferreira}，Sankhyá，Ser。B 79，No.2，361--388（2017；Zbl 1383.62122）
全文： 内政部

参考文献：

[1] Abramovich F.和Benjamini Y.（1996年）。小波系数的自适应阈值化。计算统计与数据分析22，4，351-361·数字标识代码：10.1016/0167-9473（96）00003-5
[2] Abramovich F.、Sapatinas T.和Silverman B.（1998年）。小波阈值的贝叶斯方法。英国皇家统计学会杂志-系列B60,4725-749·Zbl 0910.62031号 ·doi:10.1111/1467-9868.00151
[3] Altomare D.、Consonni G.和La Rocca L.（2013年）。目的研究具有非局部先验的有序变量高斯有向非循环图形模型的贝叶斯搜索。生物计量学69,2478-487·Zbl 1274.62709号 ·doi:10.1111/biom.12018
[4] Antoniadis A.、Bigot J.和Sapatinas T.（2001年）。非参数回归中的小波估计：比较模拟研究。统计软件杂志6，1-83·doi:10.18637/jss.v006.i06
[5] Barber S.和Nason G.P.（2004年）。使用复小波的实际非参数回归。英国皇家统计学会杂志-系列B66,4927-939·Zbl 1059.62039号 ·文件编号：10.1111/j.1467-9868.2004.B5604.x
[6] Boubchir L.和Boashash B.（2013年）。基于MAP估计的小波去噪，使用BKF先验知识，并应用于图像和脑电信号。IEEE信号处理汇刊611880-1894·Zbl 1393.94179号 ·doi:10.1109/TSP.2013.2245657
[7] Chang S.、Yu B.和Vetterli M.（2000）。用于图像去噪和压缩的自适应小波阈值。IEEE图像处理汇刊9，9，1532-1546·Zbl 0962.94028号 ·数字对象标识代码：10.1109/83.862633
[8] Chipman H.A.、Kolaczyk E.D.和McCulloch R.E.（1997年）。自适应贝叶斯小波收缩。《美国统计协会杂志》92，440，1413-1421·Zbl 0913.62027号 ·doi:10.1080/01621459.1997.10473662
[9] Clyde M.和George E.I.（2000年）。小波的灵活经验贝叶斯估计。英国皇家统计学会杂志-系列B62，4，681-698·Zbl 0957.62006号 ·doi:10.1111/1467-9868.00257
[10] Clyde M.、Parmigiani G.和Vidakovic B.（1998年）。小波的多重收缩和子集选择。生物特征85，2391-401·Zbl 0938.62021号 ·doi:10.1093/biomet/85.2.391
[11] Collazo R.A.和Smith J.Q.（2015）。链事件图模型选择的一类新的非局部先验函数。贝叶斯分析。提前出版·Zbl 1357.62110号
[12] Consonni G.、Forster J.J.和Rocca L.L.（2013年）。Whetstone和Alum-Block：离散数据嵌套模型的平衡客观贝叶斯比较。统计科学28，3，398-423·Zbl 1331.62131号 ·doi:10.1214/13-STS433
[13] Crouse M.、Nowak R.和Baraniuk R.（1998年）。基于小波的隐马尔可夫模型统计信号处理。IEEE信号处理汇刊46，4，886-902·数字对象标识代码：10.1109/78.668544
[14] Cutillo L.、Jung Y.Y.、Ruggeri F.和Vidakovic B.（2008）。大后模小波阈值及其应用。统计规划与推断杂志138，12，3758-3773·Zbl 1169.62016号 ·doi:10.1016/j.jspi.2007.12.015
[15] Donoho D.和Johnstone J.（1994年）。通过小波收缩实现理想的空间自适应。生物特征81，3，425-455·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425
[16] Donoho D.L.和Johnstone I.M.（1995年）。通过小波收缩适应未知平滑度。美国统计协会杂志90，432，1200-1224·Zbl 0869.62024号 ·网址：10.1080/01621459.1995.10476626
[17] Donoho D.L.、Johnstone I.M.、Kerkyacharian G.和Picard D.（1995）。小波收缩：渐近线皇家统计学会杂志-B57系列，2301-369·Zbl 0827.62035号
[18] Ferreira M.A.R.、Bertolde A.I.和Holan S.（2010年）。利用多尺度时空模型分析经济数据。在《应用贝叶斯分析手册》中，编辑A.O'Hagan和M.West。牛津：牛津大学出版社·Zbl 1332.62320号
[19] Ferreira M.A.R.、Bi Z.、West M.、Lee H.和Higdon D.（2003年）。一维渗透率场的多尺度建模。牛津大学出版社。贝叶斯统计7，费雷拉M.A.R.，毕兹，韦斯特M.，李H.和希格顿D（编辑），第519-527页·Zbl 1169.62016号
[20] Ferreira M.A.R.、Holan S.H.和Bertolde A.I.（2011年）。高斯面数据的动态多尺度时空模型。英国皇家统计学会杂志-B73系列，663-688·兹比尔1228.62116 ·文件编号：10.1111/j.1467-9868.2011.00774.x
[21] Ferreira M.A.R.和Lee H.K.H.（2007年）。多尺度建模：贝叶斯观点。Springer统计系列，纽约·Zbl 1183.62046号
[22] Ferreira M.A.R.、West M.、Lee H.K.H.和Higdon D.（2006年）。多尺度和隐藏分辨率时间序列模型。贝叶斯分析1947-968·Zbl 1332.62320号 ·doi:10.1214/06-BA131
[23] Figueiredo M.和Nowak R.（2001年）。基于小波的图像估计：使用Jeffrey非信息先验的经验Bayes方法。IEEE图像处理汇刊10，9，1322-1331·Zbl 1037.68775号 ·数字对象标识代码：10.1109/83.941856
[24] Flandin G.和Penny W.D.（2007年）。稀疏空间基函数先验贝叶斯fMRI数据分析。神经影像34，31108-1125·doi:10.1016/j.neuroimage.2006.10.005
[25] Fonseca T.C.和Ferreira M.A.R.（2016年）。泊松数据的动态多尺度时空模型。美国统计协会杂志。出现。
[26] Fox P.A.、Hall A.D.和Schryer N.L.（1978年）。PORT数学子程序库。ACM事务处理。数学。软件4104-126·数字对象标识代码：10.1145/355780.355783
[27] Gai S.和Luo L.（2013）。基于四元数小波域正态逆高斯模型的图像去噪。多媒体工具和应用，1-18·Zbl 0938.62021号
[28] Hoegh A.、Ferreira M.A.R.和Leman S.（2016年）。时空模型融合：内乱的多尺度建模。英国皇家统计学会杂志：C辑（应用统计学）65，529-545·doi:10.1111/rssc.12138
[29] Johnson V.和Rossell D.（2010年）。贝叶斯假设检验中非局部先验密度的使用。英国皇家统计学会杂志-系列B72，2，143-170·兹比尔1411.62019 ·文件编号：10.1111/j.1467-9868.2009.00730.x
[30] Johnstone I.M.和Silverman B.W.（2012年）。高维环境中的贝叶斯模型选择。《美国统计协会杂志》107，498，649-660·Zbl 1261.62024号 ·doi:10.1080/01621459.2012.682536
[31] Johnstone I.M.和Silverman B.W.（2005年）。小波阈值的经验贝叶斯选择。《统计年鉴》33，4，1700-1752·Zbl 1078.62005号 ·doi:10.1214/009053605000000345
[32] Nason G.（2002）。小波收缩中小波平滑度、主分辨率和阈值的选择。统计与计算12，3，219-227·doi:10.1023/A:1020746709500
[33] Nason G.2014 wavethresh：小波统计与变换。R软件包版本4.6.6。http://CRAN.R-project.org/package=wavethresh。 ·Zbl 1059.62039号
[34] Nason G.P.（1996）。使用交叉验证的小波收缩。英国皇家统计学会杂志-B58，2，463-479系列·Zbl 0853.62034号
[35] Patel J.和Read C.（1996年）。正态分布手册，第2版。泰勒和弗朗西斯。统计学：一系列教科书和专著·Zbl 0846.62010
[36] Percival D.B.和Walden A.T.（2006年）。时间序列分析的小波方法。剑桥大学出版社·Zbl 1129.62080号
[37] Portilla J.、Strela V.、Wainwright M.和Simoncelli E.（2003年）。在小波域中使用高斯混合尺度进行图像去噪。IEEE图像处理汇刊12，11，1338-1351·Zbl 1279.94028号 ·doi:10.1109/TIP.2003.818640
[38] Postle B.R.（2005年）。前额叶皮层的延迟期活动：一个功能是感觉门控。认知神经科学杂志17，11679-1690·doi:10.1162/089892905774589208
[39] R核心团队（2015）。R： 用于统计计算的语言和环境。R统计计算基金会，维也纳。
[40] Remnyi N.和Vidakovic B.（2015）。双威布尔先验小波收缩。统计学中的通信：模拟与计算44，1，88-104·Zbl 1325.62093号 ·doi:10.1080/03610918.2013.765470
[41] Rossell D.和Telesca D.（2015）。高维估计的非局部先验。美国统计协会杂志。出现。
[42] Salazar E.和Ferreira M.A.R.（2011年）。对数正态AR过程的时间聚集。时间序列分析杂志32，661-671·Zbl 1273.62221号 ·doi:10.1111/j.1467-9892.2011.00723.x
[43] Sanyal N.和Ferreira M.A.R.（2012年）。功能性MRI数据的贝叶斯层次多主题多尺度分析。神经影像63，1519-1531·doi:10.1016/j.neuroimage.2012.08.041
[44] Shin M.、Bhattacharya A.和Johnson V.E.2015在超高维环境中使用非局部先验密度进行可缩放贝叶斯变量选择。arXiv:1507.07106·Zbl 1390.62125号
[45] Starck J.-L.、Murtagh F.和Fadili J.（2015）。稀疏图像和信号处理：小波和相关几何多尺度分析，第2版。剑桥大学出版社·Zbl 1335.94003号
[46] Tierney L.和Kadane J.B.（1986年）。后验矩和边缘密度的精确近似值。《美国统计协会杂志》81，393，82-86·Zbl 0587.62067号 ·doi:10.1080/01621459.1986.10478240
[47] 维达科维奇B.（1998）。基于贝叶斯规则和贝叶斯因子的非线性小波收缩。美国统计协会杂志93，441，173-179·Zbl 0953.62037号 ·doi:10.1080/016214519998.10474099
[48] Vidakovic B.（1999）。小波统计建模。概率统计威利级数。威利·Zbl 0924.62032号
[49] Vidakovic B.和Ruggeri F.（2001年）。BAMS方法：理论和模拟。Sankhyá：印度统计杂志-系列B63，2，234-249·Zbl 1192.65169号
[50] Wang X.和Wood A.T.A.（2006）。基于非中心χ2分布的小波系数的经验Bayes块收缩。生物特征93，3705-722·Zbl 1109.62003号 ·doi:10.1093/biomet/93.3.705
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。