Dec, 2015

分组融合图形 lasso 的块状常数高斯图模型的正则化估计

PDF
TL;DR本文提出了一种基于稀疏差异先验的正则化 M - 估计方法，通过估计图和变化点结构相结合，探讨了多变量时序的时间变化精度矩阵的动态条件依赖结构，以及其应对于稀疏依赖结构或平滑演化图结构的需求。此外，方法的扩张能使得在多个系统的依赖关系中进行变化点的估计，并提出了一种高效算法用于对结构的估计，最后，对两个真实世界数据集的定性影响以及合理性进行研究。
precision matrixgaussian graphical modelmultivariate time-seriessparse-difference inducing priorschangepoint structure
发现论文，激发创造
  • 局部高斯图模型估计

    本文研究了从高维实证观测中对高斯图模型进行部分估计的方法，提出了使用 $\ell_1$-regularized 最大似然估计的凸优化模型，并采用块坐标下降算法进行求解。实验证明该方法在统计估计性能和实际应用中表现优异。

    Sep, 2012

  • 稀疏图线性动态系统

    该研究论文提出了一种新的联合图模型框架来填补现有的状态空间模型中静态图模型和基于因果关系的图模型之间的缺失。作者通过引入一个高效的块交替主要化极小化算法实现了该框架，并通过对合成和真实气象变化数据的实验验证了所提出模型和推断算法的有效性。

    Jul, 2023

  • 高维混合图模型

    本文提出了一种适用于混合数据的图模型，该模型对高维数据来说简单而灵活，采用回归算法和群体套索惩罚法来拟合模型，并将其应用于 CAL500 音乐注释数据集，成功得到了将音频信号的连续特征与流派、情感和用途等分类变量之间关系的稀疏而可解释的图模型。

    Apr, 2013

  • 基于相关数据的学习稀疏高维矩阵值图模型

    推断稀疏、高维、稳定矩阵变量高斯时间序列的条件独立图 (CIG) 问题，采用基于稀疏组套索的频域公式，并通过交替方向乘法器方法 (ADMM) 求解，结果为局部收敛到真实值的 Frobenius 范数的逼近。

    Apr, 2024

  • 使用分段线性估计器解决反问题：从高斯混合模型到结构稀疏

    本文提出了基于高斯混合模型的通用图像反问题求解框架，并描述了一种具有结构稀疏估计的框架的双重数学解释，该解释表明所得到的分段线性估计在稳定估计当与传统稀疏反问题技术相比，同时还建议了一种有效的基于词典的初始化方法，该算法在图像修复、放大和去模糊等多个图像反问题中，产生的结果要么相等，要么比最佳结果好得多，要么仅略微差强人意，并且计算成本更低。

    Jun, 2010

  • 推断具有潜在结构的稀疏高斯图模型

    本文介绍了一种新的方法来恢复具有约束拓扑结构的图模型，方法使用了一个潜在结构来驱动一个惩罚矩阵，并同时执行变量之间的条件依赖图和隐含变量的推断

    Oct, 2008

  • 高斯图模型的条件矩阵流

    该研究提出了一种变分推断方法，通过定义于对称正定矩阵空间上的矩阵变分流来逼近高斯图模型的后验分布，对任意正则化参数 λ 和任意 l_p (伪 -) 范数，包括非凸的 l1 伪范数进行联合训练，从而获得一个模型，并可以恢复频率主义的解路径。

    Jun, 2023

  • 多类别下的逆协方差估计联合图形拉索

    本文研究使用高维数据集对多个相关但不同的图形模型进行估计问题，在基于组织样本的基因表达数据的分析中应用联合图形 Lasso 方法，以获得更准确的网络和协方差结构估计。

    Nov, 2011

  • 异质图模的同时聚类与估计

    本文提出了一种基于高维 Expectation Conditional Maximization 算法的、能够在估计异构性图模型的同时学习群集结构的方法，通过在条件极大化步骤中施加联合图套索惩罚来提取所有群集中的同质性和异质性组件来实现学习群集结构，算法具有计算效率并且可以在不需要无监督学习知识的情况下实现，并通过广泛实验和应用于 Glioblastoma 癌症数据集揭示了对 Glioblastoma 癌症的新见解。

    Nov, 2016

  • 基于时变图形套索的网络推断

    本文介绍了一种基于时间可变图拉索（TVGL）的方法，利用交替方向乘子方法（ADMM）以一种高效的方式推断时间可变网络，评估了该算法的性能，并通过实验结果显示该算法优于最先进的基线算法。

    Mar, 2017