具有协变量的高斯图模型的结构学习

摘要：

图模型是一种研究变量之间相依关系的重要工具.除了节点变量外,数据常常包括协变量而且可能影响网络结构.然而现有关于图模型的工作大多仅考虑节点变量.本文基于图模型研究具有协变量的网络结构特征学习问题,在稀疏正则化的框架下,通过假设变量之间的条件独立为线性关系,建立具有协变量信息的稀疏高斯图模型,估计网络结构特征.所得结果具有实际解释性且易于求解,我们利用坐标下降法求解模型,通过实验说明含协变量比无协变量的效果更好,从而说明本文模型的高效性和实用性.

关键词：图模型、稀疏、正则化、协变量、SCAD

所属期刊栏目：35

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金11571011

在线出版日期：2018-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：489-501