×
安德鲁·赞米特·曼吉翁；乔纳森·鲁吉尔

一种稀疏线性代数算法，用于快速计算高斯马尔可夫随机场的预测方差。 （英语） Zbl 1469.62174号

计算。统计数据分析。 123116-130（2018）.
摘要：高斯-马尔可夫随机场被用于机器视觉和空间统计的大量学科。这些模型利用了通过马尔可夫假设引入的矩阵稀疏性，推理和预测中的所有操作都使用稀疏线性代数操作，这些操作可以很好地根据维数进行缩放。然而，对于非常高维的模型，变量的线性组合的预测方差的精确计算通常在计算上是禁止的，并且通常使用近似方法（通常是插值或条件模拟）来代替。建立了一组条件，在这些条件下，可以使用高桥递归精确计算随机变量线性组合的方差。随后的计算简化具有广泛的适用性，可用于增强多个软件包，其中模型拟合位于最大似然框架中。生成的算法非常适合用于各种空间统计应用，包括拿铁Krig建模、统计降尺度和固定秩kriging。它可以在标准桌面上轻松计算数十万个线性组合的精确预测方差，即使使用大型空间GMRF模型也是如此。

引用于1文件

MSC公司：

62-08 统计问题的计算方法
62M40型 随机字段；图像分析

关键词：

条件依赖；GMRF公司；格子空间模型；稀疏逆子集；高桥方程

软件：

spBayes公司；8月；C解析；阀杆；FRK公司；符号控制；R（右）；套装解析；GMRF库
PDF格式BibTeX公司 XML格式引用
\textit{A.Zammit-Magion}和\textit{J.Rougier}，计算。统计数据分析。123116-130（2018年；Zbl 1469.62174）
全文： 内政部 arXiv公司

参考文献：

[1] 澳大利亚统计局，2013年。网格块计数，URLhttp://www.abs.gov.au/websitedbs/censushome.nsf/home/meshblockcounts; 澳大利亚统计局，2013年。网格块计数，URLhttp://www.abs.gov.au/websitedbs/censushome.nsf/home/meshblockcounts
[2] 澳大利亚统计局，2016年。1270.0.55.001-澳大利亚统计地理标准（ASGS）：第1卷-主要结构和大首都城市统计区域，2011年7月，URLhttp://www.abs.gov.au/AUSSTATS/abs@.nsf/DetailsPage/1270.0.55.001年7月
[3] 澳大利亚统计局，2017年，人口普查数据包，URLhttps://datapacks.censusdata.abs.gov.au/datapacks（数据包）/; 澳大利亚统计局，2017年，人口普查数据包，URLhttps://datapacks.censusdata.abs.gov.au/datapacks（数据包）/
[4] 班纳吉，S。；卡林，B.P。；Gelfand，A.E.，空间数据的层次建模和分析，（2015），佛罗里达州博卡拉顿CRC出版社·Zbl 1358.62009号
[5] Besag，J.，晶格系统的空间相互作用和统计分析，J.R.Stat.Soc.Seri。B、 36192-236（1974）·Zbl 0327.60067号
[6] Bolin，D。；林德斯特伦，J。；埃克伦德，L。；Lindgren，F.，使用高斯-马尔可夫随机场快速估计空间相关的时间植被趋势，计算。统计师。数据分析。，53, 2885-2896, (2009) ·兹比尔1453.62048
[7] 负荷，S。；北卡罗来纳州克雷西。；Steel，D.G.，《超大数据集的SAR模型：降秩方法》，计量经济学，317-338，（2015）
[8] 卡梅莱蒂，M。；林格伦，F。；D.辛普森。；Rue，H.，通过SPDE方法对颗粒物浓度进行时空建模，AStA高级统计分析。，97, 109-131, (2013) ·Zbl 1443.62401号
[9] 曹，C。；熊，J。；布隆斯基，S。；刘，Q。；Uprety，S。；邵，X。；Bai，Y。；Weng，F.，Suomi NPP VIIRS传感器数据记录验证、验证和长期性能监测，J.Geophys。研究：大气。，118, 11664-11678, (2013)
[10] 北卡罗来纳州克雷西。；Johannesson，G.，《超大空间数据集的固定秩克里金》，J.R.Stat.Soc.Ser。B、 70209-226（2008）·Zbl 05563351号
[11] Cseke，B。；Zammit-Mangion，A。；Heskes，T。；Sanguinetti，G.，时空点过程模型的稀疏近似推断，J.Amer。统计师。协会，111，1746-1763，（2016）
[12] Davis，T.A.，稀疏线性系统的直接方法，（2006），宾夕法尼亚州费城SIAM·Zbl 1119.65021号
[13] Davis，T.，2011年。SUITESPARSE：一套稀疏矩阵软件。统一资源定位地址http://官能.cse.tamu.edu/davis/suitesparse.html; Davis，T.，2011年。SUITESPARSE：一套稀疏矩阵软件。统一资源定位地址http://官能.cse.tamu.edu/davis/suitesparse.html
[14] 艾兹维克，J。；沙比，B.A。；Reich，B.J。；惠勒，M。；Niemi，J.，《具有块复合可能性的空间模型中的估计和预测》，J.Compute。图表。统计学。，23, 295-315, (2014)
[15] 埃里斯曼，A。；Tinney，W.，关于计算稀疏矩阵逆的某些元素，Commun。ACM，18，177-179，（1975）·Zbl 0296.65012号
[16] A.乔治。；Liu，J.W.，大型稀疏正定系统的计算机解决方案，（1981），Prentice Hall Inc.Englewood Cliffs，NJ·兹伯利0516.65010
[17] Gilmour，A.R。；汤普森，R。；Cullis，B.R.，平均信息REML:线性混合模型中方差参数估计的有效算法，生物统计学，511440-1450，（1995）·兹伯利0875.62314
[18] Grigorievskiy，A.，Lawrence，N.，Särkkä，S.，2016年。可并行稀疏逆公式高斯过程（SpInGP）。arXiv:16100.08035https://arxiv.org/abs/1610.08035; Grigorievskiy，A.，Lawrence，N.，Särkkä，S.，2016年。可并行稀疏逆公式高斯过程（SpInGP）。arXiv:16100.08035https://arxiv.org/abs/1610.08035
[19] Katzfush，M.，《海量空间数据集的多分辨率近似》，J.Amer。统计师。协会，112201-214，（2017）
[20] Katzfuss，M。；Cressie，N.，《海量遥感数据集的时空平滑和EM估计》，《时间序列分析杂志》。，32, 430-446, (2011) ·Zbl 1294.62119号
[21] Kiiveri，H。；De Hoog，F.，《拟合非常大的稀疏高斯图形模型》，计算。统计师。数据分析。，56, 2626-2636, (2012) ·Zbl 1255.62052号
[22] 劳森·A·B。；MacNab，Y.C.，《关于高斯马尔可夫随机场和贝叶斯疾病映射》，《统计方法医学研究》，20，49-68，（2011）
[23] 林格伦，F。；H街。；Lindström，J.，《高斯场和高斯-马尔可夫随机场之间的明确联系：随机偏微分方程方法》，J.R.Stat.Soc.Ser。B、 73423-498（2011）·Zbl 1274.62360号
[24] Ma，P.，Kang，E.L.，2017年。用于超大空间数据的融合高斯过程。arXiv公司：1702.08797https://arxiv.org/abs/1702.08797; Ma，P.，Kang，E.L.，2017年。用于超大空间数据的融合高斯过程。arXiv公司：1702.08797https://arxiv.org/abs/1702.08797
[25] Mardia，K.，多维多变量高斯马尔可夫随机场及其在图像处理中的应用，J.multivariate Anal。，24, 265-284, (1988) ·Zbl 0637.60065号
[26] Nychka，D。；Bandyopadhyay，S。；锤击，D。；林格伦，F。；Sain，S.，用于分析大型空间数据集的多分辨率高斯过程模型，J.Compute。图表。统计学。，24779-599（2015年）
[27] R： 统计计算语言和环境，（2017），奥地利维也纳R统计计算基金会，URLhttps://www.R-project.org/
[28] H街。；Held，L.，《高斯马尔可夫随机场：理论与应用》（2005），佛罗里达州博卡拉顿CRC出版社·邮编1093.60003
[29] H街。；Martino，S.，分层高斯马尔可夫随机场模型的近似贝叶斯推断，J.Statist。计划。推理，1373177-3192，（2007）·Zbl 1114.62025号
[30] 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、 71319-392（2009）·Zbl 1248.62156号
[31] H街。；Tjelmeland，H.，将高斯马尔可夫随机场拟合为高斯场，Scand。《统计杂志》，29，31-49，（2002）·Zbl 1017.62088号
[32] Sidén，P.、Lindgren，F.、Bolin，D.、Villani，M.，2017年。大型稀疏精度矩阵的有效协方差近似。arXiv:1705.08656https://arxiv.org/abs/1705.08656; Sidén，P.、Lindgren，F.、Bolin，D.、Villani，M.，2017年。大型稀疏精度矩阵的有效协方差近似。arXiv:1705.08656https://arxiv.org/abs/1705.08656
[33] Simpson，D.P.，Turner，I.W.，Strickland，C.M.，Pettitt，A.N.，（2013）大规模高斯随机向量采样的可缩放迭代方法。arXiv:1312.1476号https://arxiv.org/abs/1312.1476; Simpson，D.P.，Turner，I.W.，Strickland，C.M.，Pettitt，A.N.，（2013）大规模高斯随机向量采样的可缩放迭代方法。arXiv:1312.1476号https://arxiv.org/abs/1312.1476
[34] Takahashi，K.，Fagan，J.，Chin，M.-S.，1973年。稀疏母线阻抗矩阵的形成及其在短路研究中的应用。In:第八届PICA会议程序。6月4日至6日，明尼阿波利斯，明尼苏达州。；Takahashi，K.，Fagan，J.，Chin，M.-S.，1973年。稀疏母线阻抗矩阵的形成及其在短路研究中的应用。In:第八届PICA会议程序。6月4日至6日，明尼苏达州明尼阿波利斯。
[35] Vanhatalo，J。；Pietiläinen，V.公司。；Vehtari，A.，《稀疏高斯过程疾病映射的近似推断》，Stat.Med.，291580-1607，（2010）
[36] 王，Q。；张，X。；Zhang，Y。；Yi，Q.，AUGEM：在x86 cpu上自动生成高性能密集线性代数内核，（高性能计算、网络、存储和分析国际会议论文集，（2013），ACM），1-12
[37] 威克尔，C.K。；Berliner，L.M.，《跨空间尺度的信息组合》，技术计量学，47，80-91，（2005）
[38] Zammit-Magion，A.，克雷西，N.，2017年。FRK：用于大型数据集的空间和时空预测的R包。arXiv:1705.08105https://arxiv.org/abs/1705.08105; Zammit-Magion，A.，克雷西，N.，2017年。FRK：用于大数据集的空间和时空预测的R包。arXiv:1705.08105https://arxiv.org/abs/1705.08105
[39] Zammit-Mangion，A。；Rougier，J。；Schön，n。；林格伦，F。；Bamber，J.，《评估南极当前对海平面上升的贡献的多元时空建模》，环境计量学，26，159-177，（2015）
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。