埃巴耶斯特雷什

R包EbayesThresh:经验Bayes阈值法及相关方法。该软件包使用I。M。约翰斯顿和B。W。西尔弗曼。基本问题是利用平均向量中可能存在的稀疏性,在给定平均向量的观测向量加上白噪声的情况下估计平均向量。在贝叶斯公式中,平均向量的元素被建模为具有独立的分布,该分布是零概率原子和合适的重尾分布的混合。混合参数可以用边际极大似然法估计。这导致了对原始数据的自适应阈值化方法。基本方法的扩展,特别是小波阈值,也在包内实现。


zbMATH中的参考文献(参考文献14条,1标准件)

显示第1至14个结果,共14个。
按年份排序(引用)

  1. 卢格·埃弗斯;Tim Heaton:R中使用treethresh包的局部自适应树阈值化(2017)不是zbMATH
  2. 麦金尼蒂,K。;瓦尔巴诺夫,R。;Chicken,E.:非高斯误差的交叉验证小波块阈值法(2017)
  3. 罗杰·科恩克;顾佳颖:REBayes:经验贝叶斯混合方法的R包(2017)不是zbMATH
  4. 蓬帕蓬,维塔拉;张敏;张大宝:使用迭代条件模式/中值算法选择大量变量(2015)
  5. Park,Junyong:基于条件极大似然估计的正态均值向量估计中的收缩估计(2014)
  6. 弗罗姆莱特,弗洛里安;马萨诸塞州博格丹łgorzata:FDR控制规则在稀疏条件下的一些最优性(2013)
  7. 沃尔伯特,罗伯特L。;克莱德,梅利斯A。;屠冲:使用连续字典的随机展开:Lévy自适应回归核函数(2011)
  8. 张大宝;林艳珠;张敏:大(p)小(n)数据的惩罚正交分量回归(2009)
  9. Fryzlewicz,Piotr:用于非参数函数估计的数据驱动小波Fisz方法(2008)
  10. 布拉克,卡乔J。F。Ter:具有不适当方差先验的贝叶斯S形收缩及其在小波去噪中的应用(2006)
  11. Donghoh Kim和Hee-Seok Oh:CVTresh:R电平相关交叉验证阈值(2006)不是zbMATH
  12. 伊恩·约翰斯通;Bernard Silverman:EbayesThresh:R经验Bayes阈值化程序(2005)不是zbMATH
  13. 约翰斯顿,伊恩·M。;Silverman,Bernard W.:小波阈值的经验贝叶斯选择(2005)
  14. 约翰斯顿,伊恩·M。;Silverman,Bernhard W.:干草堆中的针和稻草:可能稀疏序列的经验贝叶斯估计(2004)