乔塔姆·萨布尼斯;黛比·帕蒂;阿尼尔班·巴塔查里亚 压缩协方差估计与自动维数学习。 （英语） Zbl 1437.62288号 Sankhyá，Ser。A类 81，第2号，466-481（2019）. 摘要：我们提出了一种估计协方差矩阵的方法，该协方差矩阵可以表示为低秩矩阵和对角矩阵的和。该方法压缩高维数据，计算压缩空间中的样本协方差，并通过解压缩操作将其提升回环境空间。相对于在协方差矩阵估计中结合稀疏性和低秩结构的现有文献，我们的方法的一个显著特点是我们不要求低秩分量稀疏。证明了使用Stein的无偏风险估计理论估计压缩维度的原则框架。实验仿真结果证明了该方法的有效性和可扩展性。 MSC公司： 62J10型 方差和协方差分析（ANOVA） 62甲12 多元分析中的估计 关键词：压缩感知;尺寸缩减;低质;因子模型;峰值协方差模型;当然;Stein的无偏风险估计理论 软件：项目管理局 PDF格式BibTeX公司 XML格式引用 \textit{G.Sabnis}等人，Sankhyá，Ser。A 81，No.2，466--481（2019；Zbl 1437.62288） 全文： 内政部 arXiv公司 参考文献： [1] Anderson，T.，《多元统计分析》（1984），纽约：威利出版社，纽约·Zbl 0651.62041号 [2] Bahmani，S.和Romberg，J.（2015）。同时绘制稀疏和低秩协方差矩阵。2015年IEEE第六届多传感器自适应处理（CAMSAP）计算进展国际研讨会。IEEE，第357-360页。 [3] Bai，J。；施，S，，估计高维协方差矩阵及其应用，《经济学年鉴》。财务。，12, 199-215 (2011) [4] 巴苏，S。；Michaelidis，G，稀疏高维时间序列模型中的正则化估计，Ann.Stat.，431535-1567（2015）·Zbl 1317.62067号 [5] Bhattacharya，A。；Dunson，Db，稀疏贝叶斯无限因子模型，Biometrika，98，291（2011）·Zbl 1215.62025号 [6] 彼得·比克尔（Peter J.Bickel）。；Levina，Elizaveta，通过阈值进行协方差正则化，《统计年鉴》，36，6，2577-2604（2008）·Zbl 1196.62062号 [7] 彼得·比克尔（Peter J.Bickel）。；Levina，Elizaveta，大型协方差矩阵的正则化估计，《统计年鉴》，36，1，199-227（2008）·Zbl 1132.62040号 [8] Bioucas-Dias，J.M.、Cohen，D.和Eldar，Y.C.（2014）。Covalsa：使用交替最小化从压缩测量值进行协方差估计。2014年第22届欧洲信号处理会议（EUSIPCO）论文集。IEEE，第999-1003页。 [9] 布尼亚，F。；Xiao，L.，关于降阶有效秩总体矩阵的样本协方差矩阵估计及其在fpca中的应用，Bernoulli，21，1200-1230（2015）·Zbl 1388.62173号 [10] 亚吉·巴特；Tamayo，P。；斯隆，D。；Golub，Tr；Kohane，Is，使用相关性网络发现rna表达和化疗易感性之间的功能关系，Proc。国家。阿卡德。科学。，97, 12182-12186 (2000) [11] 蔡，T。；Liu，W.，稀疏协方差矩阵估计的自适应阈值，美国统计协会，106，672-684（2011）·兹比尔1232.62086 [12] 蔡，Tt；马，Z。；Wu，Y，，《稀疏主成分分析：最优速率和自适应估计》，《Ann.Stat.》，第41期，第3074-3110页（2013年）·Zbl 1288.62099号 [13] 蔡，T。；马，Z。；Wu，Y.，稀疏峰值协方差矩阵的最优估计和秩检测，Probab。理论相关领域，161，781-815（2015）·Zbl 1314.62130号 [14] 蔡，Tt；任，Z。；Zhou，Hh，，估计结构化高维协方差和精度矩阵：最佳速率和自适应估计，电子。J.统计。，10, 1-59 (2016) ·Zbl 1331.62272号 [15] 陈，X。；徐，M。；Wu，Wb，，高维时间序列的协方差和精度矩阵估计，Ann.Stat.，41，2994-3021（2013）·Zbl 1294.62123号 [16] 陈，Y。；Chi，Y。；Goldsmith，Aj，通过凸规划从二次抽样中进行精确和稳定的协方差估计，IEEE Trans。《信息论》，614034-4059（2015）·Zbl 1359.62181号 [17] Dasarathy，G。；沙阿·P。；Bn，Bhaskar；Nowak，Rd，通过张量积绘制稀疏矩阵、协方差和图，IEEE Trans。信息理论，611373-1388（2015）·兹比尔1359.94079 [18] D'Aspremont，A。；O.班纳吉。；El Ghaoui，L.，稀疏协方差选择的一阶方法，SIAM J.矩阵分析。申请。，30, 56-66 (2008) ·Zbl 1156.90423号 [19] Ma Davenport；Romberg，J.，《从不完全观测中恢复低秩矩阵的概述》，IEEE J.信号处理精选主题。，10, 608-622 (2016) [20] Efron，B.，预测规则的表观错误率有多大偏差？，J.Am.Stat.Assoc.，81，461-470（1986）·Zbl 0621.62073号 [21] Efron，B.，《预测误差的估计》，《美国统计协会期刊》，99，467（2004）·Zbl 1117.62324号 [22] 恩格尔，R。；Watson，M.，《大都市工资率的单因素多元时间序列模型》，美国统计协会，76774-781（1981） [23] 范，J。；Liao，Y。；Mincheva，M.，通过阈值化主正交补码进行大协方差估计，J.R.Statist。Soc.系列B（统计方法），75，603-680（2013）·Zbl 1411.62138号 [24] 范，J。；Liao，Y。；Liu，H.，大协方差和精度矩阵估计综述，经济学。J.，19，C1-C32（2016）·Zbl 1521.62083号 [25] 范，J。；范，Y。；Lv，J.，使用因子模型进行高维协方差矩阵估计，J.Econ。，147, 186-197 (2008) ·Zbl 1429.62185号 [26] 富勒，R。；Bengtsson，T.，卡尔曼滤波器变体中高维先验和后验协方差矩阵的估计，J.Multivar。分析。，98, 227-255 (2007) ·兹比尔1105.62091 [27] 富勒，R。；Genton，镁；Nychka，D.，《用于大型空间数据集插值的协方差锥化》，J.Compute。图表。统计，15，502-523（2006） [28] Goldfarb，D。；Iyengar，G.，稳健投资组合选择问题，数学。操作。决议，28，1-38（2003）·Zbl 1082.90082 [29] Guhaniyogi，R.和Dunson，D.B.（2013年）。贝叶斯压缩回归。arXiv:http://arXiv.org/abs/1303.0642。 ·Zbl 1373.62100号 [30] Hamill，Tm；惠特克，Js；Snyder，C.，集合卡尔曼滤波器中背景误差协方差估计的距离相关滤波，Mon。天气。版本1292776-2790（2001） [31] Hoff，Pd，用于合并协方差估计的分层本征模型，J.R.Statist。Soc.系列B（统计方法），71971-992（2009）·Zbl 1411.62157号 [32] Houtekamer，Pl；Mitchell，Hl，大气数据同化的序贯集合卡尔曼滤波器，Mon。天气。版本129123-137（2001） [33] 黄建华Z。；刘乃平；Pourahmadi，Mohsen；刘林旭，基于惩罚正态似然的协方差矩阵选择与估计，生物特征，93，1，85-98（2006）·Zbl 1152.62346号 [34] Ideker，T。；Sharan，R.，疾病中的蛋白质网络，基因组研究，18644-652（2008） [35] Jimenez-Sanchez，G。；Childs，B。；Valle，D.，《人类疾病基因》，《自然》，409853-855（2001） [36] Johnstone，Iain M.，成分分析，《统计年鉴》，29295-327（2001）·Zbl 1016.62078号 [37] Johnstone，I.M.和Lu，A.Y.（2012年）。高维主成分分析的一致性和稀疏性。J.Amer。统计师。协会·Zbl 1388.62175号 [38] Karoui，N.E.（2008年a）。大维稀疏协方差矩阵的算子范数一致估计。Ann.Stat.，2717-2756年·Zbl 1196.62064号 [39] Karoui，N.E.（2008b）。基于随机矩阵理论的大维协方差矩阵谱估计。Ann.Stat.，2757-2790年·Zbl 1168.62052号 [40] 考夫曼，Cg；Mj Schervish；Nychka，Dw，大型空间数据集中基于相似性估计的协方差减缩，美国统计协会，103，1545-1555（2008）·Zbl 1286.62072号 [41] Lam，C。；Fan，J.，大协方差矩阵估计中的稀疏性和收敛速度，Ann.Statist。，37, 4254 (2009) ·Zbl 1191.62101号 [42] O.莱多特。；圣克拉拉，P。；Wolf，M.，《国际股票市场应用的灵活多元Garch建模》，《经济评论》。统计学。，85, 735-747 (2003) [43] O.莱多特。；Wolf，M.，大维协方差矩阵的良好条件估计量，J.Multivar。分析。，88, 365-411 (2004) ·Zbl 1032.62050 [44] Li，D.和Zou，H.（2014）。大协方差矩阵的确定信息准则的渐近性质。arXiv:http://arXiv.org/abs/1406.6514。 [45] 李，D。；Zou，H.，大协方差矩阵估计的确定信息准则及其渐近性质，IEEE Trans。《信息理论》，62，2153-2169（2016）·Zbl 1359.94270号 [46] Ma，Z，，《稀疏主成分分析与迭代阈值法》，《Ann.Stat.》，第41期，第772-801页（2013年）·Zbl 1267.62074号 [47] 马尔泽塔，Tl；Tucci，Gh；Simon，Sh，处理奇异协方差估计的随机矩阵理论方法，IEEE Trans。通知。理论，576256-6271（2011）·Zbl 1365.62202号 [48] Mcmurry，特拉华州；Politis，Dn，自方差矩阵和线性过程自举的带状和锥形估计，J.Time-Ser。分析。，31, 471-482 (2010) ·兹比尔1226.60052 [49] Nicolai Meinshausen；彼得·伯尔曼，《高维图与拉索变量选择》，《统计年鉴》，第34、3、1436-1462页（2006）·Zbl 1113.62082号 [50] 帕蒂，D。；Bhattacharya，A。；皮莱，Ns；Dunson，Db，海量协方差矩阵稀疏贝叶斯因子模型的后验收缩，《统计年鉴》，42，1102-1130（2014）·Zbl 1305.62124号 [51] Pourahmadi，Mohsen，协方差估计：GLM和正则化视角，统计科学，26，3，369-387（2011）·Zbl 1246.62139号 [52] 乔·H。；Pal，P.，压缩低秩Toeplitz矩阵的广义嵌套采样，IEEE信号处理。莱特。，22, 1844-1848 (2015) [53] 拉维库马尔，P。；Mj Wainwright；Raskutti，G。；Yu，B，，通过最小化进行高维协方差估计ℓ1-惩罚对数决定元散度，Electron。J.统计。，5, 935-980 (2011) ·Zbl 1274.62190号 [54] Aj Rothman；莱维纳，E。；Zhu，J.，大协方差矩阵的广义阈值，美国统计协会，104，177-186（2009）·兹比尔1388.62170 [55] Schäfer，J。；Strimmer，K，，《大规模协方差矩阵估计的收缩方法及其对功能基因组学的影响》，Statist。申请。遗传学分子。《生物学》，4，32（2005） [56] 沈，H。；Huang，Jz，通过正则化低秩矩阵近似进行稀疏主成分分析，J.Multivar。分析。，99, 1015-1034 (2008) ·Zbl 1141.62049号 [57] 史密斯，M。；Kohn，R.，纵向数据的简约协方差矩阵估计，美国统计协会，97，1141-1153（2002）·Zbl 1041.62044号 [58] Stein，C.等人（1956年）。多元正态分布均值的常用估计的不可接受性。《第三届伯克利数理统计与概率研讨会论文集》，第1卷，第197-206页·Zbl 0073.35602号 [59] 查尔斯·斯坦因（Charles M.Stein），多元正态分布平均值的估计，《统计年鉴》，9，6，1135-1151（1981）·兹伯利0476.62035 [60] 沃纳，K。；Jansson，M。；Stoica，P.，关于具有kronecker乘积结构的协方差矩阵的估计，IEEE Trans。信号处理。，56, 478-491 (2008) ·Zbl 1390.94472号 [61] Witten，D.M.、Tibshirani，R.和Hastie，T.（2009年）。惩罚矩阵分解，应用于稀疏主成分和典型相关分析。生物统计学，kxp008·Zbl 1388.62180号 [62] Wu，Wb；Pourahmadi，M.，纵向数据大协方差矩阵的非参数估计，生物统计学，90831-844（2003）·Zbl 1436.62347号 [63] W.B.Wu和M.Pourahmadi（2009）。平稳过程的带状样本自方差矩阵。统计正弦。，1755-1768. ·Zbl 1176.62083号 [64] Xiao，H。；Wu，Wb，，平稳时间序列协方差矩阵估计，Ann.Stat.，40，466-493（2012）·Zbl 1246.62191号 [65] Xiao，L.和Bunea，F.（2014）。关于大协方差矩阵带估计的理论和实际优点。arXiv:http://arXiv.org/abs/1402.0844。 [66] Yi，F。；Zou，H.，大协方差矩阵的可靠变细估计，计算。统计师。数据分析。，58333-351（2013）·Zbl 1365.62209号 [67] 袁，M。；Lin，Y.，高斯图形模型中的模型选择和估计，生物统计学，94，1，19-35（2007）·Zbl 1142.62408号 [68] 邹，H。；哈斯蒂，T。；Tibshirani，R.，稀疏主成分分析，J.Compute。图表。统计学。，15, 265-286 (2006) 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。