面向张量值观测的JADE方法
统计理论
2019-05-07 v1 统计理论
摘要
独立成分分析是现代数据分析中的标准工具，存在许多不同的应用技术。然而，当数据由高于向量的阶数结构（即矩阵或张量，例如图像或视频）组成时，标准方法迅速失去效力，无法处理大量噪声。最近，提出了一种专门适用于张量值观测的经典四阶盲辨识（FOBI）的扩展，并显示出对张量数据优于其向量版本。在本文中，我们扩展了另一种流行的独立成分分析方法，即特征矩阵联合近似对角化（JADE），以处理张量观测。除理论背景外，我们还提供了所提估计量的渐近性质，并利用模拟和真实数据展示了其实用性及其相对于竞争方法的优越性。
引用
@article{arxiv.1603.05406,
title = {JADE for Tensor-Valued Observations},
author = {Joni Virta and Bing Li and Klaus Nordhausen and Hannu Oja},
journal= {arXiv preprint arXiv:1603.05406},
year = {2019}
}
备注
10 pages, 3 figures