New developments for high-dimensional higher-order asymptotics and its applications

高维高阶渐近学新进展及其应用

• 批准号: 18K03409
• 负责人: YATA KAZUYOSHI
• 金额: $ 2.75万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-01 至 2022-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-18K03409/
• 关键词: 高次元統計解析; 高次元PCA; 高次バイアス補正; 高次元判別分析; 高次元統計的検定; 高次元クラスタリング; 高次元カーネルPCA; 高次元2次判別方式; 高次元スパース推測; 高次元バイアス項; 高次元カーネルSVM; データ変換法; 高次元統計的推測; 高次元共分散行列; 高次元スパースPCA; 高次漸近理論

项目成果

Geometric consistency of principal component scores for high‐dimensional mixture models and its application

• DOI: 10.1111/sjos.12432
• 发表时间: 2019-12
• 期刊: Scandinavian Journal of Statistics
• 影响因子: 1
• 作者: K. Yata;M. Aoshima

Geometric classifiers for high-dimensional noisy data

高维噪声数据的几何分类器

• DOI: 10.1016/j.jmva.2021.104850
• 发表时间: 2022
• 期刊: Journal of Multivariate Analysis
• 影响因子: 1.6
• 作者: Ishii Aki;Yata Kazuyoshi;Aoshima Makoto
• 通讯作者: Aoshima Makoto

High-dimensional classifiers under the strongly spiked eigenvalue model

强尖峰特征值模型下的高维分类器

• 发表时间: 2021
• 作者: Aki Ishii;Kazuyoshi Yata and Makoto Aoshima
• 通讯作者: Kazuyoshi Yata and Makoto Aoshima

カーネル主成分分析に基づく高次元データのクラスタリングとチューニング

基于核主成分分析的高维数据聚类与调优

• 发表时间: 2019
• 作者: 中山優吾;矢田和善;青嶋 誠
• 通讯作者: 青嶋 誠

Asymptotic properties of kernel PCA with Gaussian kernel for high-dimensional data

高斯核PCA对高维数据的渐近性质

• 发表时间: 2019
• 作者: 中山優吾;矢田和善，青嶋 誠
• 通讯作者: 矢田和善，青嶋 誠