时空数据的 Kronecker 和分解
统计方法学
2013-10-11 v2 机器学习
摘要
在本文中，我们考虑在时空数据协方差矩阵估计中使用空间与时间的 Kronecker 积分解。这种分解在估计的协方差矩阵上施加了低维结构，从而减少了估计所需的样本数量。为了在减少参数数量（以降低估计方差）与协方差近似的准确性（影响估计偏差）之间实现平滑权衡，我们引入了 Kronecker 积和表示的对角加载修正 [1]。我们推导了 Kronecker 结构协方差矩阵无偏估计量的最小可达均方预测系数估计误差的 Cramer-Rao 界 (CRB)。我们通过将该方法应用于人类活动视频数据，展示了对角加载 Kronecker 和分解的准确性。
引用
@article{arxiv.1307.7306,
title = {Kronecker Sum Decompositions of Space-Time Data},
author = {Kristjan Greenewald and Theodoros Tsiligkaridis and Alfred O Hero},
journal= {arXiv preprint arXiv:1307.7306},
year = {2013}
}
备注
5 pages, 8 figures, accepted to CAMSAP 2013