基于压缩测量的样本协方差矩阵估计
机器学习
2017-05-01 v3 机器学习
摘要
本文聚焦于从数据的低维随机投影（即压缩测量）中估计样本协方差矩阵。具体而言，我们提出了一种无偏估计量，用于从由独立同分布、零均值且具有有限前四阶矩的一般类随机投影矩阵获得的压缩测量中提取协方差结构。与以往工作不同，我们对底层协方差矩阵不作任何结构性假设（如低秩性）。事实上，我们的分析基于非贝叶斯数据设定，无需对数据样本集进行分布假设。此外，受投影矩阵通用性的启发，我们提出了一种利用稀疏 Rademacher 矩阵的协方差估计方法。因此，该算法可应用于采集设备内存和计算能力受限的场景。实验结果表明，我们的方法能够在包括视频数据在内的多个真实世界数据集上实现样本协方差矩阵的精确估计。
引用
@article{arxiv.1512.08887,
title = {Estimation of the sample covariance matrix from compressive measurements},
author = {Farhad Pourkamali-Anaraki},
journal= {arXiv preprint arXiv:1512.08887},
year = {2017}
}
备注
IET Signal Processing