关于大维协方差矩阵最优线性收缩估计的强收敛性

@文章{Bodnar2013OnTS,title={关于大维协方差矩阵最优线性收缩估计的强收敛性},author={Taras Bodnar和Arjun K.Gupta以及Nestor Parolya},日志={J.Multivar.Anal.},年份={2013},体积={132},页数={215-228},网址={https://api.semanticscholar.org/CorpusID:45314604}}

本文中的数字

高维正态分布矩阵均值的岭型线性收缩估计

多元正态分布的平均矩阵的估计是在高维环境中进行的。基于岭估计的Efron-Morris型线性收缩估计

小尺寸和大尺寸的判别分析

通过比较具有相同协方差矩阵但平均向量不同的两组,研究了正态假设下线性判别函数的分布性质,建立了一种随机表示,允许以有效的方式计算误差率。

小尺寸和大尺寸的判别分析

通过建立随机表示,比较协方差矩阵相同但平均向量不同的两组,研究了正态假设下线性判别函数的分布性质。

大维协方差矩阵的非线性收缩试验

本文基于协方差矩阵的非线性收缩估计,推导了一种新的协方差矩阵检验方法。测试统计量的分布是在零下推导出来的

基于阈值主正交补的大协方差估计

结果表明,随着维数的增加,估计未知因子的效果消失,引入主正交补码阈值法“POET”来探索这种具有稀疏性的近似因子结构。

基于块阈值的自适应协方差矩阵估计

本文考虑自适应协方差矩阵估计,其目标是构造一个在一个大集合中的每个参数空间上同时是最小最大速率最优的单个过程。

大协方差矩阵在∏1-范数下的MINIMAX估计

本文建立的最优收敛速度可以作为协方差矩阵估计方法性能的基准。

稀疏精度矩阵估计的一种约束▽1最小化方法

一种基于n iid p变量随机变量样本估计稀疏逆协方差矩阵的约束У1最小化方法,用于分析乳腺癌数据集,与现有方法相比,该方法具有良好的性能。

高维协方差矩阵的估计及其应用

提出了几种估计高维协方差矩阵的新方法,包括收缩法、观测因子和潜在因子法、贝叶斯方法和随机矩阵理论方法。

高维低秩矩阵的估计

本文研究了带有Schatten-p拟形式惩罚项的惩罚最小二乘估计,并导出了具有独立意义的拟凸Schatten类嵌入S M p→S M 2,p<1的第k个熵数的界。

经验协方差矩阵解的正则方程

研究了非正态总体下经验协方差矩阵归一化谱函数的渐近性质。证明了该函数的Stieltjes变换