拟合拉普拉斯正则化分层高斯模型

我们考虑从数据中联合估计多个相关的零均值高斯分布的问题。我们提出使用拉普拉斯正则化分层模型拟合来联合估计这些协方差矩阵，该方法包括每个协方差矩阵的损失项和正则化项，以及一个鼓励不同协方差矩阵彼此接近的项。这种方法从邻近的协方差矩阵中“借用强度”，以改进其估计。通过精心选择的超参数，此类模型可以表现非常出色，尤其是在数据量少的情况下。我们提出了一种可扩展至大规模问题的分布式方法，并通过金融、雷达信号处理和天气预报中的示例说明了该方法的有效性。