Detection and feature selection in sparse mixture models
稀疏混合模型中的检测与特征选择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：摘要研究通用高维混合模型的检测与变量选择，未提供对应所列经济计量细分方向的直接依据。
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…
关注这篇论文的作者
稀疏混合模型中的检测与特征选择
- 研究问题
- 在高维高斯混合模型中，若成分均值之差具有稀疏性，如何检测混合结构并筛选相关变量？摘要关注这两类任务的最小极大难度。
- 方法与思路
- 作者在均值差稀疏的设定下推导检测与变量选择的最小极大速率，并分析样本协方差的最大稀疏特征值及受正态性检验启发的新检验。
- 材料陈述的贡献
- 摘要称，两类任务的速率关键地取决于协方差矩阵是否已知以及混合是否对称，并给出多种程序的性能分析。
- 阅读关注点
- 应核对不同协方差信息与混合对称性下的参数空间、信号强度要求，以及检测和变量选择的上下界是否由相同程序达到。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 摘要；具体速率、协方差限制与算法代价均未说明，也不能推断刊本变化。
原文摘要
We consider Gaussian mixture models in high dimensions, focusing on the twin tasks of detection and feature selection. Under sparsity assumptions on the difference in means, we derive minimax rates for the problems of testing and of variable selection. We find these rates to depend crucially on the knowledge of the covariance matrices and on whether the mixture is symmetric or not. We establish the performance of various procedures, including the top sparse eigenvalue of the sample covariance matrix (popular in the context of Sparse PCA), as well as new tests inspired by the normality tests of Malkovich and Afifi [J. Amer. Statist. Assoc. 68 (1973) 176–179].