双向谱能量追踪:稀疏典型相关分析中的轮廓自适应样本复杂度界

《IEEE Transactions on Signal Processing》:Beyond the Flat-Spike: Adaptive Sparse CCA for Decaying and Unbalanced Signals

【字体: 大 中 小 】 时间:2026年10月21日 来源:IEEE Transactions on Signal Processing 5.5

编辑推荐:

   摘要:稀疏典型相关分析(SCCA)是一种用于识别高维、多视角数据中线性关系的基本统计工具。虽然极小极大理论已建立了最优样本复杂度,其稀疏性水平随典范向量的稀疏度呈加性增长,但计算高效的算法通常存在次优的乘性依赖关系。这种计算-统计差距本质上与最坏情况下的"平坦"信号假设有关

  

摘要:

稀疏典型相关分析(SCCA)是一种用于识别高维、多视角数据中线性关系的基本统计工具。虽然极小极大理论已建立了最优样本复杂度,其稀疏性水平随典范向量的稀疏度呈加性增长,但计算高效的算法通常存在次优的乘性依赖关系。这种计算-统计差距本质上与最坏情况下的"平坦"信号假设有关。然而在实际中,多视角信号通常表现出结构化的能量集中现象,例如幂律衰减。为了利用这种结构集中特性并绕过最坏情况瓶颈,我们提出了双向谱能量追踪(Bi-SEP)方法。Bi-SEP直接作用于互协方差矩阵,是一种分阶段自适应算法,通过代理精炼步骤动态跟踪和捕获跨视角信号能量。在理论上,我们建立了由两个视角的耦合能量轮廓所支配的轮廓自适应样本复杂度界。特别地,在幂律衰减模型下,我们发现了一种协同相变:只要两个视角的总衰减率足够大,所需的样本复杂度将随稀疏度呈线性增长(至对数因子)。这一结果表明,一个视角中的高度集中信号可以使得模型容纳其另一视角中完全平坦的信号。数值实验验证了我们的理论发现,展示了Bi-SEP在结构化、非平坦信号场景下的优势。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号