Minimax rates in sparse, high-dimensional change point detection
稀疏高维变点检测的极小极大速率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：摘要明确研究高维均值的变点检测及其检测边界，直接对应结构变化方向。
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…
稀疏高维变点检测的极小极大速率
- 研究问题
- 高维均值向量发生稀疏变化时，检测所需信号强度如何随样本量、维度和稀疏度变化，稠密与稀疏情形有何差异？
- 方法与思路
- 作者将独立多元高斯观测中的稀疏变点检测表述为极小极大检验，分析不同参数区间，并扩展到部分时空依赖情形。
- 材料陈述的贡献
- 摘要称得到所有参数区间的精确检测速率，识别稠密情形的锐首项常数；对应稀疏情形的常数确定在二倍因子范围内。
- 阅读关注点
- 应核对信号和稀疏度定义、检测与定位目标的区别、各参数区间及常数结论条件，并查看依赖扩展主要覆盖哪些稠密情形。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；相变阈值表达式排版不清，需查阅原 PDF，不能重构公式；依赖扩展条件也未详述。
原文摘要
We study the detection of a sparse change in a high-dimensional mean vector as a minimax testing problem. Our first main contribution is to derive the exact minimax testing rate across all parameter regimes for n independent, p-variate Gaussian observations. This rate exhibits a phase transition when the sparsity level is of order ploglog(8n) and has a very delicate dependence on the sample size: in a certain sparsity regime, it involves a triple iterated logarithmic factor in n. Further, in a dense asymptotic regime, we identify the sharp leading constant, while in the corresponding sparse asymptotic regime, this constant is determined to within a factor of 2. Extensions that cover spatial and temporal dependence, primarily in the dense case, are also provided.