×

检测高维噪声矩阵的稀疏子矩阵。 (英语) Zbl 1457.62072号

小结:我们在(i,j)和(s_{ij}在mathbb{R})中观察到一个(N次M)矩阵(Y_{ij}=s_{ij}+\xi_{iij}\)和(xi_{i j}\sim{\mathcal{N}}(0,1\))i.i.d。我们对所有(i,j)的空假设(s{ij}=0)进行了检验,以验证存在一些大小为(n乘以m)的子矩阵,并且在意义上具有重要元素(s{ij}\geqa>0)。我们提出了一个测试程序,并计算了渐近检测边界(a),使得最大测试风险趋向于(0)为(M到infty)、(N到infty0)、(p=N/N到0)和(q=M/M到0)。我们证明了这个边界在一些附加约束下是渐近尖锐的极小极大值。讨论了与其他测试问题的关系。我们提出了一种在给定集合内适应未知(n,m)的测试方法,并计算了自适应锐化率。我们在合成数据上的测试程序的实现显示了稀疏矩阵(不一定是平方矩阵)的良好性能。我们在不同的方向上扩展了我们的尖锐极小极大结果:首先,到具有未知方差的高斯矩阵,其次,到具有指数族(非高斯)分布的随机变量矩阵,最后,到具有高斯元素的矩阵的双边替代。

MSC公司:

62F03型 参数假设检验
62C20个 统计决策理论中的Minimax过程
62H15型 多元分析中的假设检验
62甲12 多元分析中的估计
60G35型 信号检测和滤波(随机过程方面)
94甲12 信号理论(表征、重建、滤波等)

软件:

LAS公司
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Addario-Berry,L.、Broutin,N.、Devroye,L.和Lugosi,G.(2010年)。关于组合测试问题。安。统计师。38 3063-3092. ·Zbl 1200.62059号 ·doi:10.1214/10-AOS817
[2] Arias-Castro,E.、Candès,E.J.和Durand,A.(2011年)。网络中异常簇的检测。统计年鉴。39 278-304. ·Zbl 1209.62097号 ·doi:10.1214/10-AOS839
[3] Arias-Castro,E.、Candès,E.J.和Plan,Y.(2010年)。全球测试和稀疏替代:方差分析、多重比较和更高的批评。可从获取。1007.1434 ·兹比尔1231.62136
[4] Arias-Castro,E.、Donoho,D.L.和Huo,X.(2005)。基于快速多尺度方法的几何目标近最优检测。IEEE传输。通知。理论51 2402-2425·Zbl 1282.94014号 ·doi:10.1109/TIT.2005.850056
[5] Bickel,P.J.、Ritov,Y.和Tsybakov,A.B.(2009年)。同时分析套索和Dantzig选择器。安。统计师。37 1705-1732. ·Zbl 1173.62022号 ·doi:10.1214/08-AOS620
[6] Donoho,D.和Jin,J.(2004)。对检测稀疏非均匀混合物的批评更高。安。统计师。32 962-994. ·Zbl 1092.62051号 ·doi:10.1214/09053604000000265
[7] Ingster,Y.I.(1997)。假设检验的一些问题导致了无限可分分布。数学。方法统计。6 47-69. ·Zbl 0878.62005号
[8] Ingster,Y.I.和Suslina,I.A.(2002年)。在多通道系统中检测已知形状的信号。扎皮什基·诺什恩(Zapiski Nauchn)。Sem.POMI 294 88-112(俄语)(翻译J.Math.Sci.127 1723-1736)·Zbl 1259.94029号
[9] Koltchinskii,V.、Lounici,K.和Tsybakov,A.B.(2011年)。核范数惩罚和噪声低秩矩阵完成的最优速率。安。统计师。39 2302-2329. ·兹比尔1231.62097 ·doi:10.1214/11-AOS894
[10] Shabalin,A.A.、Weigman,V.J.、Perou,C.M.和Nobel,A.B.(2009)。在高维数据中发现较大的平均子矩阵。Ann.应用。统计数字3 985-1012·Zbl 1196.62087号 ·doi:10.1214/09-AOAS239
[11] Sun,X.和Nobel,A.B.(2010年)。关于高斯随机矩阵中大平均子矩阵和ANOVA-fit子矩阵的最大尺寸。请参阅。1009.0562伏·Zbl 1259.62062号 ·文件编号:10.3150/11-BEJ394
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。