摘要
高斯浓度图形模型是对高维数据进行稀疏协方差估计的最常用模型之一。近年来，许多研究都在发展方法，以便于在标准的$G$-Wishart先验下对这些模型进行贝叶斯推理。然而，所得后验函数的收敛特性尚不完全清楚，尤其是在高维环境中。本文推导了一类可分解浓度图模型的高维后验收敛速度。有助于我们分析的一个关键的初始步骤是转换为协方差矩阵逆的Cholesky因子。作为我们分析的副产品，我们还获得了相应的最大似然估计量的收敛速度。
引用
下载引文
若轩祥。
克什蒂吉·哈雷。
马来古什。
“可分解图形模型的高维后验收敛速度。”
电子。J.统计。
9
(2)
2828 - 2854,
2015
https://doi.org/10.1214/15-EJS1084
问询处
收到日期：2015年4月1日;发布日期：2015年
首次在欧几里德项目中提供：2015年12月31日
数字对象标识符：10.1214/15-EJS1084
学科：
主要用户：2015年1月62日
次要：6220国集团
关键词：可分解图，图形模型，高维数据，后部一致性
版权所有©2015 The Institute of Mathematical Statistics and The Bernoulli Society
