Minimax estimation for mixtures of Wishart distributions
Wishart 分布混合的极小极大估计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：摘要涉及一般矩阵分布估计，没有金融协方差、波动率或其他所列方向的直接依据。
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…
Wishart 分布混合的极小极大估计
- 研究问题
- 当数据位于正定对称矩阵空间而非欧氏空间时，如何开展 Wishart 混合密度的非参数估计并研究极小极大性能？
- 方法与思路
- 作者提出基于 Fourier 方法的 Wishart 混合密度估计，将平滑和非参数估计放在正定对称矩阵空间中处理。
- 材料陈述的贡献
- 摘要明确提出矩阵空间上的极小极大 Wishart 混合密度估计方法，但没有给出风险界、收敛速度或上下界的具体形式。
- 阅读关注点
- 应核对矩阵空间上的测度与 Fourier 构造、混合模型及函数类定义，以及极小极大风险所用损失和估计量实现方式。
- 阅读边界
- 版本未注明的索引摘要未说明完整参数条件、风险界或计算复杂度；高维随机矩阵背景也不能替代具体高维适用性证明。
原文摘要
The space of positive definite symmetric matrices has been studied extensively as a means of understanding dependence in multivariate data along with the accompanying problems in statistical inference. Many books and papers have been written on this subject, and more recently there has been considerable interest in high-dimensional random matrices with particular emphasis on the distribution of certain eigenvalues. With the availability of modern data acquisition capabilities, smoothing or nonparametric techniques are required that go beyond those applicable only to data arising in Euclidean spaces. Accordingly, we present a Fourier method of minimax Wishart mixture density estimation on the space of positive definite symmetric matrices.