-
题名基于自适应惩罚的潜变量高斯图模型结构学习
被引量：1
- 1
-
-
作者
郑倩贞
徐平峰
-
机构
长春工业大学数学与统计学院
东北师范大学前沿交叉研究院
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2023年第5期1056-1062,共7页
-
基金
国家自然科学基金(批准号:11571050,11871013)
吉林省自然科学基金(批准号:20210101152JC).
-
文摘
采用自适应惩罚似然方法解决含潜变量高斯图模型的结构学习问题.模拟结果表明,自适应惩罚显著优于非自适应惩罚,可有效降低估计偏差,更准确地估计给定潜变量时观测变量间的条件独立性关系.
-
关键词
潜变量高斯图模型
自适应LASSO惩罚
自适应核范数惩罚
交替方向乘子法
-
Keywords
latent variable gaussian graphical model
adaptive LASSO penalty
adaptive nuclear norm penalty
alternating direction method of multipliers
-
分类号
O21
[理学—概率论与数理统计]
-
-
题名基于GEMS算法的潜变量高斯图模型结构学习
被引量：2
- 2
-
-
作者
郑倩贞
徐平峰
曹蕾
-
机构
长春工业大学数学与统计学院
-
出处
《东北师大学报（自然科学版）》
CAS
北大核心
2021年第2期37-41,共5页
-
基金
国家自然科学基金资助项目(11571050,11701043,11871013)
吉林省教育厅科学技术研究项目(吉教科合字[2016]第315号).
-
文摘
考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(期望最大化)算法有明显优势,并分析了拟南芥植物基因数据,估计了各基因间的条件相关性.
-
关键词
GEMS算法
潜变量高斯图模型
LVglasso方法
结构学习
-
Keywords
GEMS
latent-variable gaussian graphical model
LVglasso
structure learning
-
分类号
O21
[理学—概率论与数理统计]
-
