王朝杰;范晓丹 高斯数据的高维相关矩阵估计：贝叶斯观点。 （英语） Zbl 07342201号 统计接口 14，第3号，351-358（2021）. 摘要：高斯协方差或精度矩阵估计是高维数据分析中的一个经典问题。对于精确矩阵估计，图形套索通过使用L_1范数惩罚优化对数似然函数提供了一种有效的方法。受图形套索成功的启发，研究人员寻求协方差矩阵估计的类似结果。然而，由于样本协方差矩阵的奇异性，它面临着非凸优化的困难以及当（p>n）时的退化问题。从贝叶斯的角度出发，开发了一种网格点梯度下降（GPGD）算法和块Gibbs采样器，用于从相关矩阵的后验分布中采样。该算法为在正定约束下提取样本提供了一种有效的方法，并能探索出整个可行区域以获得后验分布模式。仿真研究和实际应用表明，在各种情况下，我们的方法与其他现有方法相比具有竞争力。 MSC公司： 62至XX 统计 关键词：相关矩阵估计;正定性;非凸优化;贝叶斯分析 PDF格式BibTeX公司 XML格式引用 \textit｛C.Wang｝和\textit｛X.Fan｝，Stat.Interface 14，No.3，351-358（2021；Zbl 07342201） 全文： 内政部