Optimal estimation of high-dimensional Gaussian location mixtures
高维高斯位置混合模型的最优估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于通用高维混合模型估计理论，未提供所列经济或金融细分应用的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
高维高斯位置混合模型的最优估计
- 研究问题
- 在不要求成分分离、成分数和中心范围有界的高维高斯位置混合模型中，混合分布与混合密度能够达到怎样的最优估计速度？
- 方法与思路
- 作者利用矩方法及混合分布矩张量的低秩结构建立局部熵界，推导极小极大速度，并构造计算可行的估计程序。
- 材料陈述的贡献
- 摘要称，混合分布估计可达到最优 Wasserstein 速度，混合密度具有最优 Hellinger 速度；两个成分时另给出高效密度算法。
- 阅读关注点
- 应核对模型和损失定义、维度增长范围、速度上下界及算法复杂度，特别区分混合分布估计与密度估计的计算保证。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；速度和复杂度的上标排版不清，需查原文及损失是否平方，不能重构公式或推广两个成分的算法保证。
原文摘要
This paper studies the optimal rate of estimation in a finite Gaussian location mixture model in high dimensions without separation conditions. We assume that the number of components k is bounded and that the centers lie in a ball of bounded radius, while allowing the dimension d to be as large as the sample size n. Extending the one-dimensional result of Heinrich and Kahn (Ann. Statist. 46 (2018) 2844–2870), we show that the minimax rate of estimating the mixing distribution in Wasserstein distance is Θ((d/n)1/4+n−1/(4k−2)), achieved by an estimator computable in time O(nd2+n5/4). Furthermore, we show that the mixture density can be estimated at the optimal parametric rate Θ(d/n) in Hellinger distance and provide a computationally efficient algorithm to achieve this rate in the special case of k=2. Both the theoretical and methodological development rely on a careful application of the method of moments. Central to our results is the observation that the information geometry of finite Gaussian mixtures is characterized by the moment tensors of the mixing distribution, whose low-rank structure can be exploited to obtain a sharp local entropy bound.