群稀疏结构下高维变点估计
统计方法学
2021-07-20 v1 统计理论
统计理论
摘要
变点是高维数据流形式观测到的“大数据”中的常见特征。在许多此类数据流中，分量序列具有群结构，自然可以假设变化仅发生在所有群中的一小部分。我们提出了一种称为“groupInspect”的新变点过程，它利用群稀疏结构来估计投影方向，从而聚合分量序列间的信息，以成功估计序列均值结构中的变点。我们证明了当所有群大小具有可比阶时，所估计的投影方向在至多对数因子意义下是极小极大最优的。此外，我们的理论为变点位置估计量的收敛速度提供了强保证。数值研究证明了 groupInspect 在广泛设置下的竞争性能，并且一个真实数据示例证实了我们所提方法的实际有用性。
引用
@article{arxiv.2107.08724,
title = {Estimation of high-dimensional change-points under a group sparsity structure},
author = {Hanqing Cai and Tengyao Wang},
journal= {arXiv preprint arXiv:2107.08724},
year = {2021}
}
备注
25 pages, 6 figures