埃里克·C·池。;布莱恩·盖恩斯。;孙伟伟;周，华;杨健 张量的可证明凸协聚。 （英语） Zbl 1529.62066号 J.马赫。学习。物件。 21，第214号论文，58页（2020年）. 摘要：聚类分析是复杂异构数据模式发现的基本工具。流行的聚类方法主要关注向量或矩阵变量数据，不适用于现代科学和商业应用中经常出现的广义序张量。此外，由于现有张量聚类解的非凸公式的性质，其统计保证和计算效率之间存在差距。在这项工作中，我们通过开发张量共聚类的可证明凸公式来弥合这一差距。我们的凸共聚类（CoCo）估计器具有稳定性保证，其计算和存储成本是数据大小的多项式。我们进一步建立了CoCo估计器的非渐近误差界，这揭示了一个令人惊讶的“维度祝福”现象，这在向量或矩阵变量聚类分析中是不存在的。我们的理论发现得到了广泛的模拟研究的支持。最后，我们将CoCo估计应用于一家大型在线公司的广告点击张量数据的聚类分析。我们的聚类结果为提高广告效果提供了有意义的商业见解。 引用于9文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 68T05型 人工智能中的学习和自适应系统 第15页第69页 多线性代数，张量演算 62兰特 大数据和数据科学的统计方面 关键词：群集;熔合拉索;高维统计学习;多路数据;非渐近误差 软件：张量工具箱;取消锁定BoX;多视图;项目管理局;美国金融服务贸易协会;坦索拉布;群集路径 PDF格式BibTeX公司 XML格式引用 \textit{E.C.Chi}等人，J.Mach。学习。第21号决议，第214号论文，58页（2020年；Zbl 1529.62066） 全文： arXiv公司 链接 参考文献： [1] Evrim Acar和B–untent Yener。无监督多途径数据分析：一项文献调查。IEEE知识与数据工程汇刊，21（1）：6-202009。 [2] Evrim Acar、Seyit A.Cáamtepe和B¨unte Yener。聊天室通信中高阶张量的集体采样和分析。国际情报与安全信息学会议，第213-224页。斯普林格，2006年。 [3] 阿尼马什雷·阿南德库马尔、荣戈、丹尼尔·徐、沙姆·M·卡卡德和马图斯·特尔加斯基。用于学习潜在变量模型的张量分解。机器学习研究杂志，15:2773-28322014·Zbl 1319.62109号 [4] 杰罗德·安肯曼。2014年调查问卷中双重网络的几何和分析。49 [5] Brett W.Bader、Tamara G.Kolda等人，Matlab张量工具箱版本2.6。2015年2月在线提供。统一资源定位地址网址：http://www.sandia.gov/tgkolda/Tensor工具箱/。 [6] 阿米尔·贝克和马克·特布勒。线性反问题的快速迭代收缩阈值算法。SIAM成像科学杂志，2（1）：183-2022009·Zbl 1175.94009号 [7] 斯文·伯格曼（Sven Bergmann）、扬·伊梅尔斯（Jan Ihmels）和娜玛·巴尔凯（Naama Barkai）。用于分析大规模基因表达数据的迭代签名算法。《物理评论》E，67（3）：0319022003。 [8] 阿尼尔班·巴尔（Anirban Bhar）、马丁·豪布罗克（Martin Haubrock）、阿尼尔本·穆霍帕迪亚（Anirban Mukhopadhyay）和埃德加·温根德（Edgar Wingender）。时间序列转录组数据的多目标三聚类揭示了生物过程的关键基因。BMC生物信息学，16（1）:200015。 [9] 毕璇、曲安妮和沈晓彤。多层张量因子分解及其在推荐系统中的应用。《统计年鉴》，46（6B）：3308-33332018·Zbl 1454.62511号 [10] Stanislav Busygin、Oleg Prokopyev和Panos M.Pardalos。数据挖掘中的双聚类。计算机与运筹学，35（9）：2964-29872008·Zbl 1144.68309号 [11] 曹晓春，魏兴兴，韩亚红，林东戴。基于张量分解的稳健人脸聚类。IEEE控制论汇刊，45（11）：2546-25572015。 [12] J.Douglas Carroll和Jih-Jie Chang。通过“Eckart-Young”分解的N向推广分析多维标度中的个体差异。《心理学》，35（3）：283-3191970年·Zbl 0202.19101号 [13] Annie I.Chen和Asuman Ozdaglar。一种快速分布式近似粒度方法。《通信、控制和计算（Allerton）》，2012年第50届Allerton年会，第601-608页。IEEE，2012年。 [14] Gary K.Chen、Eric C.Chi、John Michael O.Ranola和Kenneth Lange。凸聚类：层次聚类的一种有吸引力的替代方法。公共服务计算生物学，11（5）：e1004228，2015。 [15] 陈嘉华和陈泽华。大模型空间模型选择的扩展贝叶斯信息准则。《生物特征》，95（3）：759-7712008·Zbl 1437.62415号 [16] 陈嘉华和陈泽华。小n大稀疏GLM的扩展BIC。《中国统计》，第555-574页，2012年·Zbl 1238.62080号 [17] Eric C.Chi和Kenneth Lange。凸聚类的分裂方法。计算与图形统计杂志，24（4）：994-10132015。 [18] Eric C.Chi和Stefan Steinerberger。用凸聚类恢复树。IAM数据科学数学杂志，1（3）：383-4072019·Zbl 1482.68194号 [19] Eric C.Chi、Genevera I.Allen和Richard G.Baraniuk。凸双聚类。生物统计学，73（1）：10-192017·Zbl 1366.62208号 [20] Andrzej Cichocki、Danilo Mandic、Lieven De Lathauwer、Guoxu Zhou、Qibin Zhao、Cesar Caiafa和Huy Anh Phan。信号处理应用中的张量分解：从双向分量分析到多路分量分析。IEEE信号处理杂志，32（2）：145-1632015。 [21] Patrick L.Combettes和Jean-Christophe Pesquet。信号处理中的近距离分裂方法。《科学与工程中反问题的不动点算法》，第185-212页。施普林格，2011年·Zbl 1242.90160号 [22] Patrick L.Combettes和Val´erie R.Wajs。通过近端前向背向分裂恢复信号。多尺度建模与仿真，4（4）：1168-12002005·Zbl 1179.94031号 [23] 列文·德拉特豪沃（Lieven De Lathauwer）、巴特·德摩尔（Bart De Moor）和乔斯·范德维尔（Joos Vandewalle）。多线性奇异值分解。SIAM矩阵分析与应用杂志，21（4）：1253-12782000·Zbl 0962.15005号 [24] 纳尔辛·德奥。图论及其在工程和计算机科学中的应用。普伦蒂斯·霍尔公司，美国新泽西州上鞍河，1974年·Zbl 0285.05102号 [25] 乔纳森·埃克斯坦。块迭代算子分裂的简化形式和类似于乘法器的多块交替方向方法的异步算法。优化理论与应用杂志，173（1）：155-1822017年4月·Zbl 06768800号 [26] 范建清，李润泽。基于非冲突惩罚似然的变量选择及其预言性质。美国统计协会杂志，96（456）：1348-13602001·Zbl 1073.62547号 [27] Evgeny Frolov和Ivan Oseledets。张量方法和推荐系统。威利跨学科评论：数据挖掘和知识发现，7（3）：e12012017。 [28] 马坦·加维什（Matan Gavish）和罗纳德·科伊夫曼（Ronald R.Coifman）。通过相干矩阵组织对矩阵进行采样、去噪和压缩。应用和计算谐波分析，33（3）：354-3692012·Zbl 1256.65036号 [29] 西摩·盖瑟。预测样本重用方法及其应用。美国统计协会杂志，70（350）：320-3281975·Zbl 0321.62077号 [30] 汤姆·戈尔茨坦（Tom Goldstein）、克里斯托夫·斯图德（Christoph Studer）和理查德·巴拉纽克（Richard Baraniuk）。FASTA实施前后向拆分的现场指南。arXiv-eprint，abs/1411.34062014。网址：http://arxiv.org/abs/1411.3406。 [31] 汤姆·戈尔茨坦（Tom Goldstein）、克里斯托夫·斯图德（Christoph Studer）和理查德·巴拉纽克（Richard Baraniuk）。FASTA：2015年1月，全面实施正向-反向拆分。http://arxiv.org/abs/1501.04979。 [32] 罗曼·吉古尔斯（Romain Guigour’es）、马克·博尔（Marc Boull´e）和法布里斯·罗西（Fabrice Rossi）。发现时变图中的模式：一种三聚类方法。《数据分析和分类进展》，第1-28页，2015年。 [33] David Hallac、Jure Leskovec和Stephen Boyd。网络套索：大型图形中的聚类和优化。《第21届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，KDD’15，第387-396页，美国纽约州纽约市，2015年。ACM公司。 [34] D.L.Hanson和F.T.Wright。独立随机变量中二次型的尾概率界。《数理统计年鉴》，42:1079-10832971·兹比尔0216.22203 [35] 理查德·哈什曼（Richard A.Harshman）。PARAFAC程序的基础：“解释性”多模态因子分析的模型和条件。加州大学洛杉矶分校语音学工作论文，16:1-841970。 [36] 约翰·哈蒂根（John A.Hartigan）。数据矩阵的直接聚类。美国统计协会杂志，67（337）：123-1291972。 [37] Nhat Ho、Tianyi Lin和Michael I.Jordan。关于结构化滤波聚类：全局误差界和最优一阶算法。arXiv:1904.07462[stat.ML]，2019年。统一资源定位地址https://arxiv.org/abs/1904.07462。 [38] 托比·D·霍金（Toby D.Hocking）、阿尔曼·朱林（Armand Joulin）、弗朗西斯·巴赫（Francis Bach）和珍妮·菲利佩（Jean-Philippe Vert）。聚类路径——一种使用凸融合惩罚的聚类算法。编辑Lise Getoor和Tobias Scheffer，第28届机器学习国际会议，第1页。ACM，2011年。 [39] 罗伯特·霍夫。研究：MobileAdsActuallyDoWork-EspeciallyIn-Apps。《福布斯》，2014年8月27日，2014年9月8日。最后一次访问时间：2017年7月9日来自https://www.forbes.com/sites/roberthof/2014/08/27/study-mobile-ads-actually-do-work-especially-in-apps/#27ce654057aa。 [40] 黄恒，丁克里斯，罗迪军，李涛。同时张量子空间选择和聚类：高阶SVD和k-means聚类的等价性。第14届ACM SIGKDD知识发现和数据挖掘国际会议论文集，第327-335页。ACM，2008年。 [41] 劳伦斯·休伯特和菲普斯·阿拉比。比较分区。分类杂志，2（1）：193-218.1985。 [42] Prateek Jain和Sewoong Oh。缺失数据的可证明张量因式分解。《神经信息处理系统进展》，第1431-1439页，2014年。 [43] 斯蒂芬妮·杰格尔卡（Stefanie Jegelka）、苏夫里特·斯拉（Suvrit Sra）和阿林达姆·巴纳吉（Arindam Banerjee）。张量聚类的近似算法。算法学习理论国际会议，368-383页。施普林格，2009年·Zbl 1262.68151号 [44] 塔马拉·科尔达（Tamara G.Kolda）和布雷特·巴德（Brett W.Bader）。张量分解及其应用。SIAM评论，51（3）：455-500，2009年·Zbl 1173.65029号 [45] 塔玛拉·科尔达（Tamara G.Kolda）和孙继萌（Jimeng Sun）。用于多spect数据挖掘的可缩放张量分解。2008年第八届IEEE数据挖掘国际会议，第363-372页，2008年。 [46] Sangeetha Kutty、Richi Nayak和Yuefeng Li。使用张量空间模型的XML文档聚类。《知识发现和数据挖掘进展》，第488-499页，2011年。 [47] 肯尼斯·兰格、大卫·R·亨特和伊尔松·杨。使用代理目标函数的优化传递。计算与图形统计杂志，9（1）：1-2002000。 [48] 劳拉·拉泽罗尼和亚特·欧文。基因表达数据的格子模型。《中国统计》，12:61-862002·Zbl 1004.62084号 [49] 李美熙（Mihee Lee）、沈海鹏（Haipeng Shen）、黄建华（Jianhua Z.Huang）和马龙（J.S.Marron）。通过稀疏奇异值分解进行双聚类。生物统计学，66（4）：1087-10952010·Zbl 1233.62182号 [50] 穆力、大卫·安徒生和亚历山大·斯莫拉。分布式延迟近端梯度法。InNIPS机器学习优化研讨会，第3卷，第3页，2013年。 [51] Fredrik Lindsten、Henrik Ohlsson和Lennart Ljung。放松点，来聚一聚吧！k-means聚类的凸化。技术报告，Link¨opings Universite，2011年。统一资源定位地址http://www.control.isy.liu.se/research/reports/2011/2992.pdf。 [52] 刘季，袁磊，叶洁平。保证线性变换下的稀疏恢复。Sanjoy Dasgupta和David McAllester，编辑，《第30届机器学习国际会议论文集》，第28卷，第91-99页。PMLR，2013年a。 [53] 刘天奇、袁明和赵红玉。通过低秩张量分解表征人脑时空转录组。arXiv:1702.07449[stat.ME]，2017年。统一资源定位地址https://arxiv.org/abs/1702.07449。 [54] 刘新海（Xinhai Liu）、Ji Waiwang、Wolfgang Gl¨anzel和Bart De Moor。通过张量方法进行多视图划分。IEEE知识与数据工程汇刊，25（5）：1056-10692013b。 [55] 马萍和钟文轩。具有多个协变量的大规模功能数据的惩罚聚类。《美国统计协会杂志》，103:625-6362008年·Zbl 1469.62288号 [56] Sara C.Madeira和Arlindo L.Oliveira。生物数据分析的双聚类算法：综述。计算生物学和生物信息学，IEEE/ACM汇刊，1（1）：24-452004。 [57] 尤利亚·马切蒂和青洲。具有自适应凹惩罚的解路径聚类。《统计电子期刊》，8（1）：1569-16032014·兹比尔1297.62142 [58] 凯特琳·麦格里。报告：谷歌是默认的iPhone搜索引擎，因为它向苹果支付了10亿美元。Macworld，2016年1月22日，2016年一月。上次访问时间：2017年7月9日来自http://www.macworld.com/article/3025783/iphone-ipad/report-google-is-the-default-iphone-sarch-engine-because-it-paid-apple-10亿美元。html\） [59] 尼古拉·梅恩豪森和彼得·博尔曼。稳定性选择。英国皇家统计学会杂志：B辑（统计方法），72（4）：417-4732010·Zbl 1411.62142号 [60] Rachel Minster、Arvind K.Saibaba和Misha E.Kilmer。塔克格式低阶张量分解的随机算法。SIAM数据科学数学杂志，2（1）：189-2152020·Zbl 1484.65091号 [61] Gal Mishne、Ronen Talmon、Ron Meir、Jackie Schiller、Maria Lavzin、Uri Dubin和Ronald R.Coifman。神经元结构和活动模式发现的层次耦合几何分析。IEEE信号处理专题期刊，10（7）：1238-12532016。 [62] Amy Mitchell、Tom Rosenstiel、Laura Houston Santhanam和Leah Christian。手机新闻的未来。卓越新闻项目（PEJ）——在信息时代理解新闻，2012年。 [63] Andrew Y.Ng、Michael I.Jordan和Yair Weiss。关于谱聚类：分析和算法。神经信息处理系统进展，第849-8562002页。 [64] Jinoh Oh、Kijung Shin、Evangelos E.Papalexakis、Christos Faloutsos和Hwanjo Yu。S-HOT：可扩展的高阶塔克分解。第十届ACM网络搜索和数据挖掘国际会议论文集，761-770页。ACM，2017年。 [65] 潘伟、沈晓彤和刘冰辉。聚类分析：通过非凸惩罚的有监督学习进行无监督学习。机器学习研究杂志，14:1865-18892013·Zbl 1317.68179号 [66] Evangelos E.Papalexakis、Nicholas D.Sidiropoulos和Rasmus Bro。从K-Means到高速公路协同聚类：具有稀疏潜在因子的多线性分解。IEEE信号处理汇刊，61（2）：493-5062013。 [67] 克里斯蒂安·佩尔克曼斯（Kristiaan Pelckmans）、乔斯·德布拉班特（Jos De Brabanter）、约翰·苏肯斯（Johan A.K.Suykens）和巴特·德穆尔（Bart L.R.De Moor）。凸集簇收缩。InPASCAL集群统计与优化研讨会，2005年。 [68] 彼得·拉琴科和古拉布·穆克吉。通过l1融合惩罚的凸聚类。英国皇家统计学会期刊：B系列（统计方法论），79（5）：1527-15462017·Zbl 1381.62193号 [69] 乔玛·里萨南（Jorma Rissanen）。通过最短数据描述建模。Automatica，14（5）：465-47119978年·Zbl 0418.93079号 [70] Elizabeth D.Schifano、Robert L.Strawderman和Martin T.Wells。非光滑惩罚目标函数的优化最小化算法。《电子统计杂志》，4:1258-12992010·Zbl 1267.65009号 [71] 詹姆斯·夏普纳克、阿尔蒂·辛格和亚历山德罗·里纳尔多。图上边缘套索的稀疏性。《第十五届国际人工智能和统计会议论文集》编辑尼尔·D·劳伦斯和马克·吉洛米，机器学习研究进展第22卷，第1028-1036页，2012年。 [72] 一元社。具有精确聚类的稀疏回归。《电子统计杂志》，4:1055-10962010·Zbl 1329.62327号 [73] 沈晓彤和黄新诚。通过正则化解曲面对追踪进行分组。《美国统计协会杂志》，105（490）：727-7392010·Zbl 1392.62192号 [74] 沈晓彤、黄信诚和潘伟伟。图上的同时监督聚类和特征选择。《生物统计学》，99:899-9142012年·Zbl 1452.62467号 [75] 尼古拉斯·西迪罗普洛斯（Nicholas D.Sidiropoulos）、列文·德拉特豪沃（Lieven De Lathauwer）、肖福（Xiao Fu）、黄克军（Kejun Huang）、埃文格洛斯·帕帕莱克萨基斯（Evangelos E.Papalexakis。用于信号处理和机器学习的张量分解。IEEE信号处理汇刊，65（13）：3551-35822017·Zbl 1415.94232号 [76] 马丁·西尔（Martin Sill）、塞巴斯蒂安·凯泽（Sebastian Kaiser）、阿克塞尔·本纳（Axel Benner）和安妮特·科普·施奈德（Annette Kopp-Schneider）。通过结合稳定性选择的稀疏奇异值分解实现鲁棒双聚类。生物信息学，27（15）：2089-2972011。 [77] 默文·斯通。统计预测的交叉验证选择和评估。《皇家统计学会杂志：B辑（统计方法）》，第111-147页，1974年·Zbl 0308.62063号 [78] 孙继萌、陶大成和克里斯托斯·法洛索斯。超越流和图：动态张量分析。第十二届ACM SIGKDD知识发现和数据挖掘国际会议论文集，第374-383页。ACM，2006年。 [79] 孙继萌、斯皮罗斯·帕帕迪米特里奥、林清勇、曹楠、刘世霞和钱伟宏。Multivis：通过多方式视觉分析进行基于内容的社交网络探索。2009年SIAM国际数据挖掘会议记录，第1064-1075页。SIAM，2009年。 [80] 孙伟伟，李乐信。动态张量聚类。美国统计协会杂志，114（528）：1894-19072019·Zbl 1428.62260号 [81] Will Wei Sun、Junwei Lu、Han Liu和Guang Cheng。可证明的稀疏张量分解。英国皇家统计学会杂志：B辑（统计方法），79（3）：899-9162017·Zbl 1411.62158号 [82] Symeonidis泛球虫。推荐系统中的矩阵和张量分解。《第十届ACM推荐系统会议记录》，RecSys’16，429-430页，美国纽约州纽约市，2016年。ACM公司。 [83] Panagiotis Symeonidis和Andreas Zioupos。推荐系统的矩阵和张量分解技术。施普林格国际出版公司，2016年第1版·Zbl 1358.68005号 [84] Kean Ming Tan和Daniela Witten。凸聚类的统计特性。《电子统计杂志》，2015年，9:2324-2347·Zbl 1336.62193号 [85] Kean Ming Tan和Daniela M.Witten。可转置数据的稀疏双聚类。《计算与图形统计杂志》，23（4）：985-1008，2014年。 [86] 罗伯特·提比拉尼（Robert Tibshirani）。通过套索回归收缩和选择。英国皇家统计学会杂志：B辑（统计方法），58（1）：267-2881996·Zbl 0850.62538号 [87] Robert Tibshirani、Guenther Walther和Trevor Hastie。通过间隙统计估计数据集中的簇数。英国皇家统计学会杂志：B辑（统计方法），63（2）：411-4232001·Zbl 0979.62046号 [88] Robert Tibshirani、Michael Saunders、Saharon Rosset、Ji Zhu和Keith Knight。通过融合套索实现轻盈流畅。英国皇家统计学会杂志：B辑（统计方法），67（1）：91-1082005·Zbl 1060.62049号 [89] Ryan J.Tibshirani和Jonathan Taylor。广义套索的解路径。《统计年鉴》，39（3）：1335-13712011·Zbl 1234.62107号 [90] 曾荫权（Paul Tseng）。分裂算法在凸规划和变分不等式分解中的应用。SIAM控制与优化杂志，29（1）：119-1381991年·Zbl 0737.90048号 [91] 莱德亚德·R·塔克。关于三模式因子分析的一些数学注释。《心理学》，31（3）：279-31119966年。 [92] Heather Turner、Trevor Bailey和Wojtek Krzanowski。通过系统性能测试证明改进了微阵列数据的双聚类。计算统计学和数据分析，48（2）：235-2542005·兹比尔1429.62267 [93] 尼克。拉夫·范尼乌文霍温。范德布雷和卡尔。高阶奇异值分解的一种新截断策略。SIAM科学计算杂志，34（2）：A1027-A10522012·Zbl 1247.65055号 [94] Nico Vervliet、Otto Debals、Laurent Sorber、Marc Van Barel和Lieven De Lathauwer。Tensorlab 3.0，2016年3月。统一资源定位地址http://www.tensorlab.net。在线提供。 [95] Van Vu和Ke Wang。随机加权投影、随机二次型和随机特征向量。随机结构和算法档案，47（4）：792-8212015·Zbl 1384.60029号 [96] 王斌欢、张一龙、孙伟伟和方一欣。稀疏凸聚类。计算与图形统计杂志，27（2）：393-403，2018·Zbl 07498956号 [97] 王玉祥、许欢、冷晨雷。可证明子空间聚类：当LRR满足SSC时。在C.J.C.Burges、L.Bottou、M.Welling、Z.Ghahramani和K.Q.Weinberger编辑的《神经信息处理系统进展》26，第64-72页。Curran Associates，Inc.，2013年。 [98] Hadley Wickham.ggplot2：用于数据分析的优雅图形。Springer-Verlag纽约，2009年。国际标准图书编号978-0-387-98140-6。统一资源定位地址http://ggplot2.org。 ·Zbl 1170.62004号 [99] Daniela M.Witten、Robert Tibshirani和Trevor Hastie。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，10（3）：515-5342009·Zbl 1437.62658号 [100] 斯蒂芬·J·赖特、罗伯特·D·诺瓦克和马里奥·A.T.菲格雷多。可分离近似稀疏重建。IEEE信号处理学报，57（7）：2479-24932009年7月·Zbl 1391.94442号 [101] 吴冲（Chong Wu）、权松宏（Sunghoon Kwon）、沈晓彤（Xiaotong Shen）和潘玮（Wei Pan）。基于惩罚回归聚类的新算法和理论。机器学习研究杂志，17（188）：1-25，2016a·Zbl 1392.68371号 [102] 吴涛、Austin R.Benson和David F.Gleich。高阶数据的广义张量谱共聚类。在D.D.Lee、M.Sugiyama、U.V.Luxburg、I.Guyon和R.Garnett，编辑，《神经信息处理系统进展》29，第2559-2567页。Curran Associates，Inc.，2016年b。 [103] Shuo Xiang，Xiaoshen Tong，and Jieping Ye。基于非凸优化的高效稀疏组特征选择。Sanjoy Dasgupta和David McAllester，编辑，《第30届机器学习国际会议论文集》，第28卷，第284-292页，美国佐治亚州亚特兰大，2013年6月17-19日。PMLR公司。 [104] 或者是Yair、Ronen Talmon、Ronald R.Coifman和Ioannis G.Kevrekidis。通过从数据中学习知情的观测几何来重建正常形式。《美国国家科学院院刊》，114（38）：E7865-E78742017年·Zbl 1407.62306号 [105] 横田达也（Tatsuya Yokota）、南吉尔·李（Namgil Lee）和安德烈·奇切基（Andrzej Cichocki）。使用高阶奇异值分解和信息准则的稳健多线性张量秩估计。《EEE信号处理学报》，65（5）：1196-12062017·Zbl 1414.94715号 [106] 袁明，林毅。分组变量回归中的模型选择和估计。英国皇家统计学会杂志：B辑（统计方法），68（1）：49-672006·Zbl 1141.62030号 [107] Lihi Zelnik-Manor和Pietro Perona。自校正谱聚类。L.K.Saul、Y.Weiss和L.Bottou编辑，《神经信息处理系统进展》17，第1601-1608页。麻省理工学院出版社，2005年。 [108] 张存辉。极小极大凹罚下的近似无偏变量选择。《统计年鉴》，38（2）：894-9422010年·Zbl 1183.62120号 [109] 张忠元、李涛和丁克里斯。非负三因子张量分解及其应用。知识与信息系统，34（2）：243-2652013。 [110] 赵洪雅、王德比、陈龙、刘新余和洪燕。基于奇异向量空间超平面检测的张量多维共簇识别。PLOS ONE，11（9）：1-272016年9月9日。 [111] 郑晓林、丁伟峰、林震和陈超超。推荐系统的主题张量分解。信息科学，372（增补C）：276-2932016。 [112] 华州、李乐信和朱洪图。张量回归在神经影像数据分析中的应用。《美国统计协会杂志》，108:540-5522013年·Zbl 06195959号 [113] 朱昌波、徐欢、冷晨雷、颜水成。聚类的凸优化过程：理论回顾。Z.Ghahramani、M.Welling、C.Cortes、N.D.Lawrence和K.Q.Weinberger编辑，《神经信息处理系统进展》27，第1619-1627页。Curran Associates，Inc.，2014年。 [114] 朱云章、沈晓彤和潘伟。在无向图上同时进行分组追求和特征选择。美国统计协会期刊，108（502）：713-7252013·Zbl 06195973号 [115] 邹慧。自适应套索及其oracle属性。美国统计协会杂志，101（476）：1418-14292006·Zbl 1171.62326号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。