返回
摘要
En 中文
协方差矩阵的可靠估计是多变量分析的基础,其重要性仅次于均值。其准确性直接影响经济学、金融学、化学、健康科学、生物信息学、气候研究、信号处理和社会网络分析等领域的应用。现代数据环境通常涉及宽数据,其中变量数量与或超过观测数量,导致经典估计量不稳定或奇异。本文综述了高维协方差估计的最新进展,重点关注阈值处理程序、线性与非线性的收缩方法、基于图模型的方法以及利用随机矩阵理论的估计技术。提出了一个统一的分类法,将这些多样化的技术组织在一个单一的概念框架下,强调它们之间的联系,并指导在宽数据设置中选择合适的估计量。
Keyword:
graphical models
high-dimensional covariance estimation
random matrix theory
regularization methods
shrinkage methods
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
W
IF:
0
论文数:
7
被引数:
0
机构
引用论文
A calibration method for non-positive definite covariance matrix in multivariate data analysis一种非正定协方差矩阵的校准方法在多元数据分析中的应用

