关联数据
摘要
1.简介
2.量子态层析成像综述
2.1. 量子态和密度矩阵
2.2. 泡利测量和密度矩阵估计
3.特征空间估计
3.1. 密度矩阵的特征分解
3.2. 普通PCA
n个 α 1 ≤ d日 ≤exp( n个 α 2 ) 对于某些α 1 > 1/2 和 α 2 < 1 ; d日 ≤ n个 1/2 和 作为n → ∞.
3.3. 迭代阈值稀疏主成分分析
算法1
算法2
4.特征空间估计的渐近理论
4.1. PCA估计的收敛速度
4.2. ITSPCA估计的最优性
5.大型低秩密度矩阵估计
6.数值研究
6.1. 一级案例的模拟
表1:
6.2. 四级案例的模拟
表2:
6.3. 真实数据示例
表3:
7.证明
7.1. 定理证明1-2
7.1.1. 定理1的证明
7.1.2. 定理证明2
7.2. 定理证明3
对于所有j ≠ j′; ‖ J型 j个 ‖ 0 ≤ s代表所有j; 日志 M(M) ≥最大值{ 反恐精英 [1+日志( 小时/秒 )],日志 小时 } 其中c > 1/30 是绝对常数 .
致谢。
脚注
工具书类
Bickel PJ、Levina E等人(2008年)。 基于阈值的协方差正则化 . 统计年鉴 , 36 ( 6 ):2577–2604. [ 谷歌学者 ] BirgéL(2001年)。 一个旧结果的新观点:Fano引理 . [ 谷歌学者 ] Birnbaum A、Johnstone IM、Nadler B和Paul D(2013年)。 含噪声高维数据的稀疏主成分分析的极大极小界 . 统计年鉴 , 41 ( 三 ): 1055. [ PMC免费文章 ] [ 公共医学 ] [ 谷歌学者 ] Cai T、Kim D、Wang Y、Yuan M和Zhou HH(2016)。 基于泡利测量的最优大规模量子态层析成像 . 统计年鉴 , 44 ( 2 ):682–712. [ 谷歌学者 ] Cai T和Liu W(2011)。 稀疏协方差矩阵估计的自适应阈值法 . 美国统计协会杂志 , 106 ( 494 ):672–684. [ 谷歌学者 ] Cai T、Ma Z和Wu Y(2015)。 稀疏尖峰协方差矩阵的最优估计和秩检测 . 概率论及其相关领域 , 161 ( 3-4 ):781–815. [ PMC免费文章 ] [ 公共医学 ] [ 谷歌学者 ] 蔡TT、马Z和吴毅(2013)。 稀疏PCA:最优速率和自适应估计 . 统计年鉴 , 41 ( 6 ):3074–3110. [ 谷歌学者 ] Cai TT和Zhou HH(2012)。 l1范数下大协方差矩阵的极大极小估计 . 中国统计局 , 22 ( 4 ):1319–1349. [ 谷歌学者 ] Golub G和Van Loan C(1996年)。 矩阵计算第三版 约翰·霍普金斯大学出版社。 [ 谷歌学者 ] Häffner H、Hänsel W、Roos C、Benhelm J、Chwalla M、Kbrber T、Rapol U、Riebe M、Schmidt P和Becher C(2005)。 囚禁离子的可伸缩多粒子纠缠 . 自然 , 438 ( 7068 ):643. [ 公共医学 ] [ 谷歌学者 ] Johnstone IM和Lu AY(2009年)。 高维主成分分析的一致性和稀疏性 . 美国统计协会杂志 , 104 ( 486 ):682–693. [ PMC免费文章 ] [ 公共医学 ] [ 谷歌学者 ] Kim D、Kong X-B、Li C-X和Wang Y(2018年)。 基于高频金融数据的大波动率矩阵估计的自适应阈值 . 计量经济学杂志 , 203 ( 1 ):69–79. [ 谷歌学者 ] Kim D和Wang Y(2016)。 基于具有测量误差的高维ito过程的稀疏pca . 多元分析杂志 , 152 :172–189. [ 谷歌学者 ] Kim D和Wang Y(2017)。 基于泡利测度的量子系统大密度矩阵的假设检验 . 物理学A:统计力学及其应用 , 469 :31–51. [ 谷歌学者 ] Kim D、Wang Y和Zou J(2016)。 基于高频金融数据的大波动率矩阵估计的渐近理论 . 随机过程及其应用 , 126 ( 11 ):3527–3577. [ 谷歌学者 ] Koltchinskii V和Xia D(2015)。 低秩密度矩阵的最优估计 . 机器学习研究杂志 , 16 ( 53 ):1757–1792. [ 谷歌学者 ] Li R-C(1998年a)。 相对微扰理论:I.特征值和奇异值的变化 . SIAM矩阵分析与应用杂志 , 19 ( 4 ):956–982. [ 谷歌学者 ] Li R-C(1998年b)。 相对摄动理论:II。 本征空间与奇异子空间变异 . SIAM矩阵分析与应用杂志 , 20 ( 2 ):471–492. [ 谷歌学者 ] 马Z(2013)。 稀疏主成分分析与迭代阈值 . 统计年鉴 , 41 ( 2 ):772–801. [ 谷歌学者 ] Nielsen MA和Chuang IL(2010年)。 量子计算与量子信息 剑桥大学出版社。 [ 谷歌学者 ] Tao M、Wang Y和Chen X(2013a)。 使用高频金融数据估计大波动率矩阵的快速收敛速度 . 计量经济学理论 , 29 ( 4 ):838–856. [ 谷歌学者 ] Tao M、Wang Y和Zhou HH(2013b)。 具有测量误差的高维itó过程的最优稀疏波动矩阵估计 . 统计年鉴 , 41 ( 4 ):1816–1864. [ 谷歌学者 ] Tropp JA(2012)。 随机矩阵和的用户友好尾界 . 计算数学基础 , 12 ( 4 ):389–434. [ 谷歌学者 ] Vu VQ、Cho J、Lei J和Rohe K(2013)。 范托普投影与选择:稀疏PCA的近最优凸松弛 . 神经信息处理系统研究进展 , 2 :2670–2678. [ 谷歌学者 ] Vu VQ和Lei J(2013)。 高维Minimax稀疏主子空间估计 . 统计年鉴 , 41 ( 6 ):2905–2947. [ 谷歌学者 ] 王毅(2011)。 量子蒙特卡罗模拟 . 应用统计学年鉴 , 5 ( 2安培 ):669–683. [ 谷歌学者 ] 王勇(2012)。 量子计算与量子信息 . 统计科学 , 27 ( 三 ):373–394. [ 谷歌学者 ] 王毅(2013)。 量子态层析成像与噪声矩阵补全的渐近等价性 . 统计年鉴 , 41 ( 5 ):2462–2504. [ 谷歌学者 ] 王毅和宋十(2020)。 量子科学与量子技术 . 统计科学 , 35 ( 1 ):51–74. [ 谷歌学者 ] 王毅(Wang Y)和邹杰(Zou J)(2010)。 高频金融数据的巨大波动矩阵估计 . 统计年鉴 , 38 ( 2 ):943–978. [ 谷歌学者 ]