高维矩阵数据的稳健差分网络估计及分类.docxVIP

PAGE10

中文摘要

摘要：高维矩阵数据的网络估计在生物学等领域应用广泛，它的数学表征为协方差矩阵的逆矩阵（即精度矩阵）的估计。实际应用中面临两总体样本的差异化分析需求时，估计两总体精度矩阵的差分网络并分类能精准捕捉条件依赖关系的动态变化。但现有研究多将网络估计与分类任务割裂处理，且假设服从矩阵正态分布的估计对离群值或重尾分布不稳健。为了在对分布较弱的假设下开发稳健估计并实现同时估计差分网络及分类，

我们回顾了Kronecker结构下特征相关矩阵的Kendall相关估计、矩阵正态分布和稀疏矩阵图模型方法等内容，提出了稳健差分网络估计及分类方法。我们放松正态分布假设，通过Kroneck