高斯图模型的高效邻域选择
机器学习
2015-09-23 v1 信息论
机器学习
math.IT
摘要
本文解决高斯图模型的邻域选择问题。我们提出两种启发式算法：一种基于互信息检验的面向一般高斯图模型的前向后向贪婪算法，以及一种面向可求和随机游走高斯图模型（walk summable Gaussian graphical models）的基于阈值的算法。两种算法均被证明具有结构一致性且高效。数值结果表明两种算法均表现良好。
引用
@article{arxiv.1509.06449,
title = {Efficient Neighborhood Selection for Gaussian Graphical Models},
author = {Yingxiang Yang and Jalal Etesami and Negar Kiyavash},
journal= {arXiv preprint arXiv:1509.06449},
year = {2015}
}