×
保罗·施密特；马克·穆勒；施密德，沃尔克

使用Krylov子空间方法拟合大规模结构化加性回归模型。 （英语） Zbl 1466.62190号

计算。统计数据分析。 105, 59-75 (2017).
小结：当回归系数为高维时，拟合回归模型可能具有挑战性。特别是当需要考虑较大的空间或时间影响时，正常工作站的计算能力很快就会达到极限。对数百万像素的图像进行分析，其中每个像素值都可以被视为对新空间位置的观察，就是这种情况。为应用统计学家提供了一个马尔可夫链蒙特卡罗（MCMC）框架，该框架允许用低到中等的计算要求拟合数百万个参数的模型。该方法将改进的采样方案与稀疏线性系统迭代方法的新成果相结合。通过这种方式，给出了一种解决方案，消除了潜在的计算负担，例如计算大规模精度矩阵的对数行列式和从高维高斯分布中采样。在使用中等规模模型进行的广泛模拟研究中，表明该方法得出的结果与用于拟合结构化可加回归模型的最新方法完全一致。此外，该方法还应用于医学成像领域的两个实际例子。

MSC公司：

62-08 统计问题的计算方法

关键词：

马尔科夫蒙特卡洛；Krylov子空间方法；Lanczos算法；结构化加性回归；高斯马尔可夫随机场；图像分析

软件：

贝叶斯X；GMRF库；spBayes公司；贝叶斯DA；法尔迈尔；Krylstat公司
PDF格式BibTeX公司 XML格式引用
\textit{P.Schmidt}等人，计算。统计数据分析。105、59-75（2017年；Zbl 1466.62190）
全文： 内政部

参考文献：

[1] 阿加皮欧，S。；巴兹利，J.M。；O.帕帕斯皮利奥普洛斯。；Stuart，A.M.，层次反问题的吉布斯采样器分析，SIAM/ASA J.不确定。数量。，2, 1, 511-544, (2014) ·Zbl 1308.62097号
[2] 阿什伯恩，J。；Friston，K.J.，基于体素的形态测量方法，神经影像，11，6，805-821，（2000）
[3] Aune，E。；艾兹维克，J。；Pokern，Y.，高维高斯分布采样的迭代数值方法，统计计算。，23, 4, 501-521, (2013) ·Zbl 1325.65020号
[4] Aune，E。；辛普森，D.P。；Eidsvik，J.，高维高斯分布中的参数估计，统计计算。，24, 2, 247-263, (2014) ·Zbl 1325.62006号
[5] 班纳吉，S。；卡林，B。；Gelfand，A.，空间数据的层次建模和分析，（统计学和应用概率专著，第101卷，（2014年），Chapman&Hall/CRC）
[6] 班纳吉，S。；盖尔芬德，A.E。；芬利，A.O。；Sang，H.，《大空间数据集的高斯预测过程模型》，J.R.Stat.Soc.Ser。B统计方法。，70, 4, 825-848, (2008) ·兹伯利05563371
[7] Bardsley，J.M.，基于Mcmc的不确定性量化图像重建，SIAM J.Sci。计算。，34、3、A1316-A1332（2012）·Zbl 1246.15022号
[8] 贝萨格，J。；Higdon，D.，农业田间试验的贝叶斯分析，J.R.Stat.Soc.Ser。B统计方法。，61, 4, 691-746, (1999) ·Zbl 0951.62091号
[9] 贝萨格，J。；Mondal，D.，一阶内禀自回归和de-wijs过程，Biometrika，92，4，909-920，（2005）·Zbl 1151.62068号
[10] Brezger，A。；Kneib，T。；Lang，S.，贝叶斯：分析贝叶斯结构加性回归模型，J.Stat.Softw。，14, 11, 1-22, (2005)
[11] Brezger，A。；Lang，S.，基于贝叶斯P样条的广义结构化加性回归，计算。统计师。数据分析。，50, 4, 967-991, (2006) ·Zbl 1431.62308号
[12] 周，E。；Saad，Y.，采样多元高斯分布的预处理Krylov子空间方法，SIAM J.Sci。计算。，36，2，A588-A608，（2014）·Zbl 1296.60087号
[13] 库卢姆，J。；Willoughby，R.A.，《超大实对称特征值问题的Lanczos程序概览》，J.Compute。申请。数学。，12-13，37-60，（1985年）·Zbl 0572.65024号
[14] 艾兹维克，J。；芬利，A.O。；班纳吉，S。；Rue，H.，使用预测过程模型对大型空间数据集进行近似贝叶斯推断，计算。统计师。数据分析。，56, 6, 1362-1380, (2012) ·Zbl 1243.62121号
[15] Fahrmeir，L。；Kneib，T.（纵向、空间和事件历史数据的贝叶斯平滑和回归，（2011），牛津大学出版社，牛津）·Zbl 1249.62003号
[16] Fahrmeir，L。；Kneib，T。；Lang，S.，《时空数据的惩罚结构加性回归：贝叶斯视角》，《统计学》。Sinica，第14、3、731-762页，（2004年）·Zbl 1073.62025号
[17] Fahrmeir，L。；Lang，S.，基于马尔可夫随机场先验的广义可加混合模型的贝叶斯推断，J.R.Stat.Soc.Ser。C.应用。统计，50，2，201-220，（2001）
[18] Fahrmeir，L。；Tutz，G.，《基于广义线性模型的多变量统计建模》，（2001），纽约施普林格出版社·Zbl 0980.62052号
[19] 费斯尼库，L。；布雷克斯，P。；阿尔特曼，D。；米斯基尔，K。；本顿，C。；拉尼恩，R。；A.汤普森。；Miller，D.，《残疾和T2 MRI病变：多发性硬化症复发患者的20年随访》，Brain，131，3808-817，（2008）
[20] Friston，K.J。；霍姆斯，A.P。；沃斯利，K.J。；波利恩，J.-P。；弗里斯，C.D。；Frackowiak，R.S.，《功能成像中的统计参数图：一般线性方法》，《人脑映射》。，2, 4, 189-210, (1994)
[21] Friston，K。；Penny，W.，《后验概率图和spms》，《神经影像》，第19、3、1240-1249页，（2003年）
[22] Fuentes，M.，《大型不规则间距空间数据的近似可能性》，J.Amer。统计师。协会，102，477，321-331，（2007）·Zbl 1284.62589号
[23] 盖尔曼，A。；Carlin，J.B。；斯特恩，H.S。；鲁宾，D.B.，贝叶斯数据分析。第2卷，（2014年），Taylor&Francis·Zbl 1279.62004号
[24] 盖尔曼，A。；Rubin，D.B.，《使用多序列的迭代模拟推断》，统计。科学。，457-472, (1992) ·Zbl 1386.65060号
[25] Gössl，C。；奥尔，D.P。；Fahrmeir，L.，fMRI中的动力学模型，Magn。Reson公司。医学，43，1，72-81，（2000）
[26] Gössl，C。；奥尔，D.P。；Fahrmeir，L.，功能磁共振成像中的贝叶斯时空推断，生物统计学，57，2，554-562，（2001）·Zbl 1209.62032号
[27] 伊里奇，M。；特纳，I。；Anh，V.，使用自适应预处理Lanczos方法求解与分数泊松方程相关的一类线性系统的数值解，Int.J.Stoch。分析。，2008, (2009) ·Zbl 1162.65015号
[28] 伊里奇，M。；特纳，I.W。；Simpson，D.P.，对称矩阵函数的重新启动Lanczos近似，IMA J.Numer。分析。，30, 4, 1044-1061, (2010) ·Zbl 1220.65052号
[29] 卡拉斯，G。；谢尔滕斯，P。；Rombouts，S。；维瑟，P。；van Schijndel，R。；福克斯，N。；Barkhof，F.，轻度认知障碍和阿尔茨海默病患者的整体和局部灰质丢失，神经影像，23，2，708-716，（2004）
[30] Knorr-Held，L.，《动态模型中的有条件优先提案》，Scand。统计学杂志。，26, 1, 129-144, (1999) ·Zbl 0924.65152号
[31] Knorr-Held，L。；Rue，H.，疾病映射的马尔可夫随机场模型中的块更新，Scand。J.统计。，29, 4, 597-614, (2002) ·Zbl 1039.62092号
[32] Lang，S。；Brezger，A.，贝叶斯P样条，J.Compute。图表。统计学。，13, 1, 183-212, (2004)
[33] Liesen，J。；Strakos，Z.，Krylov子空间方法：原理与分析，（2012），牛津大学出版社·Zbl 1148.65023号
[34] Mortazavi，D。；库扎尼，A.Z。；Soltanian-Zadeh，H.，MR图像中多发性硬化病变的分割：综述，神经放射学，54，4，299-320，（2012）
[35] 佩斯，R.K。；LeSage，J.P.，空间权重矩阵对数确定性的切比雪夫近似，计算。统计师。数据分析。，第45页，第2179-196页（2004年）·Zbl 1430.62213号
[36] Paige，C.C.，特征问题Lanczos方法的计算变体，数值。算法，10，3，（1972）·Zbl 0253.65020号
[37] 佩尼，W.D。；新泽西州Trujillo-Barreto。；Friston，K.J.，贝叶斯fMRI时间序列分析与空间先验，神经影像，24，2，350-362，（2005）
[38] Polman，C.H。；南卡罗来纳州莱因戈尔德。；班维尔，B。；克兰特，M。；科恩，J.A。；菲利普，M。；藤原，K。；Haverdova，E。；Hutchinson，M。；Kappos，L.，《多发性硬化的诊断标准：2010年对麦当劳标准的修订》，Ann.Neurol。，69, 2, 292-302, (2011)
[39] Roberts，G.O。；Sahu，S.K.，吉布斯采样器的更新方案、相关结构、阻塞和参数化，J.R.Stat.Soc.Ser。B统计方法。，59, 2, 291-317, (1997) ·Zbl 0886.62083号
[40] Rue，H.，高斯马尔可夫随机场的快速采样，J.R.Stat.Soc.Ser。B统计方法。，63, 2, 325-338, (2001) ·Zbl 0979.62075号
[41] H街。；Held，L.，《高斯马尔可夫随机场：理论与应用》，（2005），CRC出版社·邮编1093.60003
[42] H街。；马蒂诺，S。；肖邦，N.，《利用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断》，J.R.Stat.Soc.Ser。B统计方法。，71, 2, 319-392, (2009) ·Zbl 1248.62156号
[43] Saad，Y.，CFD应用的预处理Krylov子空间方法，（Habashi，W.G.，《大规模CFD问题的解决技术》，（1995），威利纽约），139-158
[44] Saad，Y.，稀疏线性系统的迭代方法，（2003），SIAM·Zbl 1002.65042号
[45] Saad，Y.，大特征值问题的数值方法，（2011），工业与应用数学学会·Zbl 1242.65068号
[46] 施密特，P。；气体，C。；阿西奇，M。；巴克·D。；Förschler，A。；Berthele，A。；Hoshi，M。；伊尔格·R。；施密德·V·J。；Zimmer，C.，《检测多发性硬化症中FLAIR超敏白质病变的自动化工具》，Neuroimage，59，4，3774-3783，（2012）
[47] 施密特，P。；施密德·V·J。；气体，C。；巴克·D。；Bührlen，S。；Förschler，A。；M、 Mühlau，《结构MRI的完全贝叶斯推断：在T2低密度点分割和统计分析中的应用》，《公共科学图书馆·综合》，8，7，e68196，（2013）
[48] 施密德·V·J。；惠彻，B。；Padhani，A.R。；新泽西州泰勒。；Yang，G.-Z.，动态对比增强磁共振成像中药代动力学模型的贝叶斯方法，IEEE Trans。医学成像，25，12，1627-1636，（2006）
[49] D.P.Simpson、I.W.Turner、C.M.Strickland、A.N.Pettitt，2013年。大规模高斯随机向量采样的可缩放迭代方法。arXiv预打印arXiv:1312.1476。
[50] 斯坦因，M.L。；Chi，Z。；Welty，L.J.，《大型空间数据集的近似可能性》，J.R.Stat.Soc.Ser。B统计方法。，66, 2, 275-296, (2004) ·Zbl 1062.62094号
[51] Tabelow，K。；克莱登，J.D。；De Michoux，P.L。；Polzehl，J。；施密德，V.J。；Whitcher，B.，《R神经成像中的图像分析和统计推断》，NeuroImage，55，4，1686-1693，（2011）
[52] Umlauf，N。；阿德勒博士。；Kneib，T。；Lang，S。；Zeileis，A.，《结构化加性回归模型：贝叶斯的R接口》，J.Stat.Softw。，63, 21, (2015)
[53] Vecchia，A.V.，《连续空间过程的估计和模型识别》，J.R.Stat.Soc.Ser。B统计方法。，297-312, (1988)
[54] Welford，B.，《关于计算平方和和乘积修正值的方法的注释》，《技术计量学》，4，3，419-420，（1962）
[55] Winkler，G.，图像分析、随机场和马尔可夫链蒙特卡罗方法：数学导论。第27卷，（2003），施普林格·Zbl 1008.68147号
[56] 木材，S.N。；古德，Y。；Shaw，S.，《大数据集的广义加性模型》，J.R.Stat.Soc.Ser。C.应用。统计，64，1，139-155，（2015）
[57] Woolrich，M.W。；Behrens，T.E。；Smith，S.M.，使用变分贝叶斯进行hrf建模的约束线性基集，NeuroImage，21，4，1748-1761，（2004）
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。