高维平稳时间序列的稀疏主成分分析

@第{藤森2021ParsePC条，title={高维平稳时间序列的稀疏主成分分析}，author={Kou Fujimori和Yuichi Goto以及Y.Liu和Masanobu Taniguchi}，journal＝{斯堪的纳维亚统计杂志}，年份={2021}，体积={50}，页码={1953-1983}，网址={https://api.semanticscholar.org/CorpusID:237373938}}
我们考虑高维平稳过程的稀疏主成分分析。当过程的维数较大时，标准主成分分析的性能较差。对于包含重尾时间序列的大类过程，我们建立了惩罚主成分估计的oracle不等式。建立了估计量的收敛速度。我们还阐明了惩罚估计中选择调谐参数的理论速率
对威利的看法
[PDF]语义阅读器

一个引文

基于稀疏分量分析的群养猪音频信号欠定盲源分离

为了解决猪环境中采集的音频信号难以分离的问题，本研究提出了一种基于…

39参考文献

高维数据的增强稀疏主成分分析

本文研究了基于独立高斯观测的高维总体协方差矩阵主特征向量的估计问题，提出了一种基于坐标选择方案与主成分分析相结合的估计方法，在稀疏性条件下实现了最优收敛速度。

稀疏高维时间序列模型的正则化估计

利用平稳过程的谱特性对其稳定性进行的度量，可以深入了解依赖性对正则化估计精度的影响，并为依赖数据建立一些有用的偏差界限，这些偏差界限可用于研究时间序列设置中的几个重要正则化估计。

稀疏主成分分析与迭代阈值

在尖峰协方差模型下，提出了一种新的迭代阈值法，在主特征向量稀疏的情况下估计主子空间，发现该方法一致地甚至最优地恢复了主子空间和主特征向量，在一系列高维稀疏设置中。

高维稀疏主分量的最优检测

minimax最优测试基于稀疏特征值统计量，并描述了一种使用凸松弛的计算效率高的替代测试，该测试被证明能够在接近最优检测水平的情况下检测稀疏主成分，并且在模拟数据集上表现良好。

规则变化函数的主成分分析

本文研究函数数据主成分分析的渐近性质。目前可用的结果假设存在四阶矩。我们开发…

稀疏主成分分析

本文介绍了一种新的方法，称为稀疏主成分分析（SPCA），使用套索（弹性网）产生具有稀疏载荷的修正主成分，并表明PCA可以表示为回归型优化问题。

基于正则化低秩矩阵逼近的稀疏主成分分析

主成分分析的渐近理论

文摘：当观测值来自多元正态分布时，给出了样本协方差矩阵特征根和（归一化）向量的渐近分布…

具有噪声高维数据的稀疏PCA的MINIMAX界。

在多种稀疏模型下，当维数和样本量增加到无穷大时，在联合极限下，建立了l2损失下估计量的极大极小风险的下界。

高维MINIMAX稀疏主子空间估计

我们研究高维稀疏主成分分析，其中p（变量数）可能远大于n（观测数），并分析估计…