Zobrazeno 1 - 10
of 85
pro vyhledávání: '"Cholesky factor"'
Autor:
Lee, Kyoungjae a, ⁎, Cao, Xuan b
Publikováno v:
In Journal of Multivariate Analysis September 2022 191
Publikováno v:
IEEE Access, Vol 7, Pp 90585-90596 (2019)
Precision matrix, i.e., inverse covariance matrix, is widely used in signal processing, and often estimated from training samples. Regularization techniques, such as banding and rank reduction, can be applied to the covariance matrix or precision mat
Externí odkaz:
https://doaj.org/article/04da6620080e4a8e9d36a67783d86407
Publikováno v:
Statistical Theory and Related Fields, Vol 1, Iss 1, Pp 48-58 (2017)
Estimation of large covariance matrices is of great importance in multivariate analysis. The modified Cholesky decomposition is a commonly used technique in covariance matrix estimation given a specific order of variables. However, information on the
Externí odkaz:
https://doaj.org/article/b7a9d9eb5a2948c494e05ad4f2105adc
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Courrieu, Pierre ⁎
Publikováno v:
In Journal of Computational and Applied Mathematics 2009 231(1):39-48
Publikováno v:
SIAM Review, 1992 Mar 01. 34(1), 82-109.
Externí odkaz:
https://www.jstor.org/stable/2132786
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Statistics and Probability Letters December 2020 167
Publikováno v:
Statistics and Probability Letters
Statistics and Probability Letters, Elsevier, 2020, 167, pp.1-9. ⟨10.1016/j.spl.2020.108893⟩
Statistics and Probability Letters, Elsevier, 2020, 167, pp.1-9. ⟨10.1016/j.spl.2020.108893⟩
International audience; We consider a Stein's approach to estimate a covariance matrix using regularization of the sample covariance matrix Cholesky factor. We propose a method to estimate accurately the regularization vector which minimizes the risk
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6460d48c6135f914ded984d6516dcc48
https://oatao.univ-toulouse.fr/26592/
https://oatao.univ-toulouse.fr/26592/
