Change point estimation in high dimensional Markov random-field models.
Change point estimation in high dimensional Markov random-field models.
复制标题
高维马尔可夫随机场模型中的变更点估计。
DOI：
10.1111/rssb.12205
复制
发表时间：
2017-09
期刊：
影响因子：
--
通讯作者：
Michailidis G
中科院分区：
文献类型：
--
作者：
Roy S;Atchadé Y;Michailidis G
研究了高维马尔可夫随机场模型中的变点估计问题。变点代表了许多动态演变的网络结构中的一个关键特征。通过在稀疏假设下最大化轮廓惩罚伪似然函数来获得变点估计。即使在网络中可能的边数远远超过样本大小的情况下，我们也推导出估计的紧界，最高可达对数倍。建议的估计器的性能是在合成数据集上进行评估的，也被用来探索1979-2012年期间美国参议院的投票模式。
This paper investigates a change-point estimation problem in the context of high-dimensional Markov random field models. Change-points represent a key feature in many dynamically evolving network structures. The change-point estimate is obtained by maximizing a profile penalized pseudo-likelihood function under a sparsity assumption. We also derive a tight bound for the estimate, up to a logarithmic factor, even in settings where the number of possible edges in the network far exceeds the sample size. The performance of the proposed estimator is evaluated on synthetic data sets and is also used to explore voting patterns in the US Senate in the 1979-2012 period.
登录
查看更多内容
影响因子：
1.1
作者：
Kolar M;Xing EP
通讯作者：
Xing EP
影响因子：
1.8
作者：
Kolar, Mladen;Song, Le;Xing, Eric P.
通讯作者：
Xing, Eric P.
影响因子：
4.5
作者：
MULLER, HG
通讯作者：
MULLER, HG
影响因子：
7.5
作者：
Zhou, Shuheng;Lafferty, John;Wasserman, Larry
通讯作者：
Wasserman, Larry
影响因子：
4.5
作者：
CARLSTEIN, E
通讯作者：
CARLSTEIN, E