×
哈桑·布卢特

基于高维数据最小正则协方差行列式估计的马氏距离。 （英语） Zbl 07529991号

Commun公司。统计、理论方法 49，第24号，5897-5907（2020）.
摘要：异常检测是稳健文献中广泛研究的问题。检测离群值最常用的传统方法是计算马氏距离。然而，传统的马氏距离可能无法检测出离群值，因为它们基于对离群值敏感的经典样本平均向量和协方差矩阵。为了解决这个问题，使用最小协方差行列式（MCD）估计代替经典估计。然而，MCD估计量无法在高维数据集中计算，因为变量数p大于样本量n。为了检测高维数据中的离群值，我们提出了基于最小正则协方差行列式（MRCD）估计量的马氏距离，该估计量可以在高维数据集中计算。通过仿真研究和实际数据集，我们证明了该距离对于高维数据集中的离群点检测是成功的。

引用于1文件

MSC公司：

62至XX 统计

关键词：

马氏距离；可靠距离；最小正则协方差估计；最小对角积估计；高维数据

软件：

鲁棒基地；rrcov公司；罗布泊卡
PDF格式BibTeX公司 XML格式引用
\textit{H.Bulut}，Commun（公共）。Stat.，理论方法49，No.24，5897--5907（2020；Zbl 07529991）
全文： 内政部

参考文献：

[1] Boudt，K。；Rousseeuw，P.J。；Vanduffel，S。；Verdonck，T.，最小正则协方差行列式估计，统计与计算（2019）·Zbl 1436.62197号 ·数字对象标识代码：10.1007/s11222-019-09869-x
[2] 克罗克斯，C。；Haesbroeck，G.，最小协方差行列式散布矩阵估计的影响函数和效率，多元分析杂志，71，2，161-90（1999）·Zbl 0946.62055号
[3] 郭毅。；哈斯蒂，T。；Tibshirani，R.（2018）
[4] 霍尔格森，H.E.T。；Karlsson，P.S.，高维数据中马氏距离的三个估计量，应用统计学杂志，39，127713-20（2012）·Zbl 1514.62087号
[5] 休伯特，M。；Rousseeuw，P.J。；Vanden Branden，K.，《ROBPCA：稳健主成分分析的新方法》，《技术计量学》，47，1，64-79（2005）
[6] 詹姆斯·G。；维滕，D。；哈斯蒂，T。；Tibshirani，R.（2017）
[7] Leys，C.公司。；Klein，O。；Dominicy，Y。；Ley，C.，《检测多变量异常值：使用马氏距离的稳健变体》，《实验社会心理学杂志》，74150-6（2018）
[8] 刘，H。；李，X。；李，J。；Zhang，S.，高维数据的有效异常值检测，IEEE系统、人类和控制论汇刊：系统，48，1222451-61（2018）
[9] Lopuhaä，H.P。；Rousseeuw，P.J.，多元位置和协方差矩阵的仿射等变估计的分解点，统计年鉴，19，1，229-48（1991）·Zbl 0733.62058号
[10] Papadakis，M。；Tsagris，M。；Dimitriadis，M。；Fafalios，S。；沙马尔迪诺斯一世。；法西奥罗，M。；Borboudakis，G。；Burkardt，J。；邹，C。；Lakiotaki，K.（2019年）
[11] Ro，K。；邹，C。；王，Z。；Yin，G.，高维数据的离群检测，Biometrika，102，3，589-99（2015）·Zbl 1452.62378号
[12] Rousseeuw，P.J.，高崩溃点多元估计，数理统计与应用，8283-297,37（1985）·Zbl 0609.62054号
[13] Rousseeuw，P.J。；Croux，C.，《中值绝对偏差的替代方法》，《美国统计协会杂志》，88，424，1273-83（1993）·Zbl 0792.62025号
[14] Rousseeuw，P.J。；Driessen，K.V.，最小协方差行列式估计的快速算法，技术计量学，41，3，212-23（1999）
[15] 托多罗夫，V。；Filzmoser，P.，稳健多元分析的面向对象框架，《统计软件杂志》，32，3，1-47（2009）
[16] Xu，X。；刘，H。；李，L。；Yao，M.，《高维数据离群值检测技术的比较》，《国际计算智能系统杂志》，11，1，652-62（2018）
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。