基于信息过滤网络的拓扑正则化

本文介绍了一种通过信息过滤网络进行拓扑正则化的方法。该方法可直接应用于协方差选择问题，为具有线性和非线性多元概率分布（如椭圆族和广义双曲族）的稀疏概率建模提供工具。它也可直接用于 $L_0$-范数正则化的多重共线性回归。本文详细描述了该方法在基于多元 Student-t 分布的稀疏建模中的一个应用。针对该稀疏 Student-t 情形，提出了一种特定的 $L_0$-范数正则化期望最大化似然最大化过程。基于股票价格对数收益率的真实数据与人工生成数据的示例展示了该方法的适用性、性能与潜力。