基于稀疏性的 Cholesky 分解及其在高光谱异常检测中的应用
应用统计
2017-12-06 v2
摘要
估计大协方差矩阵是许多应用中长期存在的重要问题，数十年来受到越来越多的关注。本文基于已有工作处理两种通过对单位下三角矩阵（即 Cholesky 因子） 施加稀疏性来估计协方差矩阵的方法。第一种方法利用普通最小二乘（OLS）估计 的条目，随后通过软阈值与平滑截断绝对偏差（SCAD）等广义阈值技术施加稀疏性。第二种方法通过对负正态对数似然施加 与 SCAD 惩罚函数，直接估计 的稀疏版本。所得协方差估计量始终保证正定。一些蒙特卡洛模拟与实验数据证明了我们的估计量在使用 Kelly 异常检测器进行高光谱异常检测的有效性。
引用
@article{arxiv.1711.08240,
title = {Sparsity-based Cholesky Factorization and its Application to Hyperspectral Anomaly Detection},
author = {Ahmad W. Bitar and Jean-Philippe Ovarlez and Loong-Fah Cheong},
journal= {arXiv preprint arXiv:1711.08240},
year = {2017}
}
备注
To be published on IEEE CAMSAP 2017