L0稀疏逆协方差估计
摘要：稀疏逆协方差（精度）矩阵的惩罚对数似然协方差估计近年来受到关注。惩罚是诱导稀疏性的原因，一个非常常见的选择是凸的l1范数。然而，并不总是用这个惩罚能够得到最佳的估计性能。最自然的稀疏性促进"范数"是非凸的l0惩罚，但其缺乏凸性使得它在稀疏极大似然估计中不被使用。在本文中，我们考虑非凸的l0惩罚对数似然逆协方差估计，并提出了一种新颖的循环下降算法进行优化。我们证明了收敛到局部极小值，这是非常不平凡的，并通过模拟证明了与l1惩罚相比，l0惩罚具有更小的偏差和更优质的质量。
作者：Goran Marjanovic and Alfred O. Hero III
论文ID：1408.0850
分类：Machine Learning
分类简称：stat.ML
提交时间：2023-07-19