基于MCP惩罚的稀疏协方差矩阵估计

摘要

针对稀疏协方差矩阵估计问题，提出一种基于MCP（minimax concave penalty）惩罚对数似然的稀疏协方差阵估计量，并利用坐标下降算法进行求解.模拟研究结果表明，在大多数情况下，该方法在估计稀疏协方差矩阵时，相较于Lasso惩罚和SCAD（smoothly clipped absolute deviation）惩罚方法，能获得更小的L₁范数、 Kullback-Leibler距离以及Frobenius范数，特别是在AR（1）模型设定下表现更突出.此外，通过分析流式细胞仪测量得到的蛋白质浓度数据，验证了MCP惩罚方法在实际应用中的优越性能.

关键词

协方差矩阵 / MCP惩罚 / 坐标下降算法 / 稀疏估计