联合学习动态半参数概率图模型

摘要：

提出了联合的半参数概率图模型用于学习非正态分布异构数据的条件相关性.进一步针对光滑变化的异构数据,给出了联合的动态半参数概率图模型.将基于非参排序的相关矩阵估计方法与融合图套索方法相结合,提出了半参数融合图套索方法估计上述两类联合图模型.特别针对动态半参数图模型,提出了一种新的核光滑Kendall's tau相关矩阵.由于放宽了正态分布假设,使得该模型比当前联合的高斯图模型更灵活.由于采用了基于非参排序的相关矩阵估计方法,使得该模型更加鲁棒.利用有效的交替方向乘子法(alter-nating direction method of multipliers,ADMM)对这些模型进行求解.最后,在一些人工数据与真实数据上,如脑影像数据及股票交易数据,验证了该模型的有效性.

关键词：半参数图模型、动态图模型、联合学习、交替方向乘子法、脑网络

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61672281;the Innovation Program for Graduate Education of Jiangsu Province under Grant No.KYLX-0288

在线出版日期：2018-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：940-949