Sharp optimal recovery in the two component Gaussian mixture model
双成分高斯混合模型中的精确最优恢复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：摘要讨论一般高斯混合聚类与标签恢复，未涉及经济网络、离散选择或其他所列具体方向。
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
双成分高斯混合模型中的精确最优恢复
- 研究问题
- 在两个高斯混合成分的中心存在一定分离时，聚类标签的最小极大错误风险如何变化，何时能够实现完全恢复？
- 方法与思路
- 作者给出 Hamming 风险的非渐近下界，并提出由谱方法初始化的 Lloyd 迭代变体，分析其速率及完全恢复阈值。
- 材料陈述的贡献
- 摘要称，该方法高效且自适应，达到最小极大最优速率及尖锐渐近结果，并刻画完全恢复问题的尖锐相变。
- 阅读关注点
- 应核对混合模型与分离度定义、噪声及维度条件、初始化和迭代要求，以及下界、渐近最优性与相变的具体表述。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；相变阈值公式的排版明显不清，需查阅原 PDF，不能重构公式或据此计算阈值。
原文摘要
In this paper, we study the problem of clustering in the Two component Gaussian mixture model when the centers are separated by some Δ>0. We present a nonasymptotic lower bound for the corresponding minimax Hamming risk improving on existing results. We also propose an optimal, efficient and adaptive procedure that is minimax rate optimal. The rate optimality is moreover sharp in the asymptotics when the sample size goes to infinity. Our procedure is based on a variant of Lloyd’s iterations initialized by a spectral method. As a consequence of nonasymptotic results, we find a sharp phase transition for the problem of exact recovery in the Gaussian mixture model. We prove that the phase transition occurs around the critical threshold Δ¯ given by Δ¯2=σ2(1+ 1+2p nlogn)logn.