×

使用带有加权(L_1)惩罚的惩罚似然估计空间协方差。 (英语) Zbl 1172.62032号

摘要:在空间统计中,协方差矩阵的估计因其在空间预测和设计中的作用而具有重要意义。我们提出了一种带加权(L_1)正则化的惩罚似然方法来估计具有未指定邻域结构的空间高斯马尔可夫随机场模型的协方差矩阵。提出了一种新的空间点排序算法,可以更有效地估计相应的精度矩阵。此外,我们开发了一种有效的算法,通过新的规则化解路径算法的使用来最小化惩罚可能性,该算法不需要使用迭代算法。通过利用精度矩阵中的稀疏结构,我们证明了LASSO类型的方法给出了改进的协方差估计,这些协方差估计是由几个准则测量的。我们的模拟示例和对降雨量数据集的应用表明,该方法具有竞争力。

MSC公司:

62M40型 随机字段;图像分析
62米05 马尔可夫过程:估计;隐马尔可夫模型
62立方米 从空间过程推断
65C60个 统计中的计算问题(MSC2010)
2012年12月62日 参数估计量的渐近性质
62H11型 定向数据;空间统计学
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Banerjee O.,J.Mach。学习。第9号决议第485页–(2008年)
[2] Cressie N.,空间数据统计(1993)·Zbl 0799.62002号
[3] DOI:10.1002/env.844·doi:10.1002/env.844
[4] 内政部:10.1007/s10651-007-0029-9·doi:10.1007/s10651-007-0029-9
[5] DOI:10.1093/biomet/93.1.85·Zbl 1152.62346号 ·doi:10.1093/生物技术/93.185
[6] 内政部:10.1214/07-AOAS139·Zbl 1137.62338号 ·doi:10.1214/07-AOAS139
[7] Banerjee S.,空间数据的层次建模和分析(2004)·Zbl 1053.62105号
[8] 内政部:10.1214/0090536000000281·Zbl 1113.62082号 ·doi:10.1214/0090536000000281
[9] DOI:10.1214/08-EJS176·Zbl 1320.62135号 ·doi:10.1214/08-EJS176
[10] DOI:10.1093/biomet/asm018·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
[11] 内政部:10.1198/016214501753382273·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[12] Tibshirani R.,J.R.Stat.Soc.Ser.公司。B 58第267页–(1996年)
[13] DOI:10.1093/biomet/asm037·Zbl 1135.62083号 ·doi:10.1093/biomet/asm037
[14] 内政部:10.1198/016214500000735·Zbl 1171.62326号 ·doi:10.1198/016214500000735
[15] 内政部:10.1093/biomet/86.3.677·Zbl 0949.62066号 ·doi:10.1093/biomet/86.3.677
[16] 内政部:10.1002/0471725218·doi:10.1002/0471725218
[17] Whittle P.,Biometrika 41第434页–(1954年)
[18] 数字对象标识码:10.1111/j.1468-0262.2004.00558.x·Zbl 1142.62312号 ·文件编号:10.1111/j.1468-0262.2004.00558.x
[19] DOI:10.2307/2285387·Zbl 0313.62063号 ·doi:10.2307/2285387
[20] DOI:10.1016/S0167-9473(00)00018-9·Zbl 1080.62539号 ·doi:10.1016/S0167-9473(00)00018-9
[21] Duff I.S.,稀疏矩阵的直接方法(1989)·Zbl 0666.65024号
[22] George A.,大型稀疏正定系统的计算机解(1981)·Zbl 0516.65010号
[23] Green P.J.,计算。J.21第168页–(1978)·Zbl 0377.52001 ·doi:10.1093/comjnl/22.168
[24] Cuthill,E.和McKee,J.减少稀疏对称矩阵的带宽。《第24届ACM全国会议记录》,CM:纽约,第157-172页。
[25] DOI:10.1007/BF02280884·Zbl 0321.65019号 ·doi:10.1007/BF02280884
[26] 内政部:10.1137/0602010·Zbl 0496.68033号 ·doi:10.1137/0602010
[27] 内政部:10.1214/00905360000001370·Zbl 1194.62094号 ·doi:10.1214/0090536000001370
[28] 内政部:10.1214/009053604000000067·Zbl 1091.62054号 ·doi:10.1214/009053604000000067
[29] 内政部:10.1214/aos/1015957397·Zbl 1105.62357号 ·doi:10.1214/aos/1015957397
[30] Hastie T.,《统计学习的要素:数据挖掘、推断和预测》(2001年)·Zbl 0973.62007号
[31] Groisman P.,TD-3721数据文件:网格化美国每日降雨量和降雪时间序列(2000年)
[32] 内政部:10.1111/1467-9469.00058·Zbl 1017.62088号 ·doi:10.1111/1467-9469.00058
[33] DOI:10.1093/biomet/89.4.819·Zbl 1036.62096号 ·doi:10.1093/biomet/89.4.819
[34] 内政部:10.1002/jgt.3190060302·Zbl 0494.05057号 ·doi:10.1002/jgt.3190060302
[35] DOI:10.1093/生物统计/kxm045·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。