On information plus noise kernel random matrices
核随机矩阵近年来在理论和实践上都引起了广泛的兴趣。到目前为止,大多数理论工作都集中在数据从低维结构中采样的情况下。最近,第一个结果关于核随机矩阵与高维输入数据获得,在设置中的数据是从一个真正的高维结构采样-类似于随机矩阵理论的标准假设。在本文中,我们考虑的情况下,数据的类型“信息${}+{}$噪声。换句话说,每个观测值都是两个独立元素的总和:一个是从“低维”结构中采样的,是数据的信号部分,另一个是高维噪声,归一化后不会压倒信号,但仍然会影响信号。我们考虑两种类型的噪声,球形和椭圆形。在球形设置中,我们表明,核随机矩阵的谱特性可以理解从一个新的核矩阵,计算仅从信号部分的数据,但使用(一般)略有不同的内核。高斯核在这种情况下具有一些特殊的性质。从鲁棒性的角度来看,椭圆设置很重要,但不太容易解释。
2010-11-11 math.ST stat.TH
Invariant kernels on the space of complex covariance matrices
本文针对复协方差矩阵空间的不变核构造与计算问题,提出L¹--Godement定理及逆球面变换一般表达式,还基于对称锥的Ramanujan主定理得到Beta-prime核,数值实验显示其在双样本假设检验中的优势。
2025-04-16 math.FA math.ST stat.TH
Extremal Eigenvalues of Random Kernel Matrices with Polynomial Scaling
本文研究样本数随维度多项式增长的随机核矩阵极值特征值,证明其可分解为主体部分与低秩部分,主体谱范数收敛到极限谱边缘,并在随机张量内积情形下证明最大和最小特征值收敛到Marchenko-Pastur律的谱边缘。
2024-10-23 math.PR math.ST stat.TH
Spectral properties of kernel matrices in the flat limit
本文研究核矩阵在平坦极限下的谱性质,建立了行列式和特征值主项的渐近表达式,并利用特征投影算子的解析性得到与离散正交多项式相关的极限特征向量,涵盖光滑和有限光滑核。
2025-03-27 cs.NA math.NA math.SP
Recovery of spectrum from estimated covariance matrices and statistical kernels for machine learning and big data
本文提出了两种从经验协方差阵中恢复协方差阵谱的方案,其中矩阵的维数是观测数的次酉倍数。我们测试,比较和分析这些模拟数据和一些数据来自股票市场。
2018-04-25 math.PR math.ST stat.TH
Entrywise error bounds for low-rank approximations of kernel matrices
Imperial College London(帝国理工学院)
针对核矩阵低秩近似逐元素统计行为研究不足的问题,本文受随机矩阵理论启发提出小特征值对应特征向量的非局域化结果,推导了截断特征分解下核矩阵低秩近似的逐元素误差界,并通过合成与真实数据集实验验证了理论。
2024-10-30 cs.LG math.ST stat.TH
On multivariate associated kernels for smoothing general density functions
同时依赖于目标点和带宽矩阵的多元关联核估计适用于部分或完全有界分布,并将经典核估计推广到高斯分布。以往对多元关联核的研究仅限于单变量关联核的乘积,也被认为具有对角带宽矩阵。然而,它是在经典的情况下,对于某些形式的目标密度,如多模,使用全带宽矩阵提供了显着改善密度估计的潜力。本文介绍了具有相关结构的广义联合核估计。这些估计的性质,特别是边界偏差进行了研究。然后,对广义二元beta核函数进行了更详细的处理。相关的核与相关结构的模式色散方法的一个变种,并讨论了两个家庭的带宽矩阵下的交叉验证的标准。几个模拟研究。在二元β核的特殊情况下,因此指出了相关结构的相关核估计与对角情况相比具有非常好的性能。最后,在一个政治选举的框架下,对实际数据集的配对率的说明。
2015-02-04 math.ST stat.TH
Distributional Limits for Eigenvalues of Graphon Kernel Matrices
Department of Mathematical Sciences, University of Cincinnati(辛辛那提大学数学科学系)
本文研究了图核矩阵特征值的分布极限,揭示了非退化和退化情形下的不同波动行为,扩展了经典算子级论证的范围。
2026-10-14 math.PR math.ST stat.TH
Central limit theorem of nonparametric estimate of spectral density functions of sample covariance matrices
Jing,Pan,Shao and Zhou(2010)给出了一般样本协方差阵极限谱分布的相容核估计。本文证明了核估计的中心极限定理。
2010-08-24 math.PR math.ST stat.TH
The sine kernel, two corresponding operator identities, and random matrices
本文研究了作用在希尔伯特空间中的具有正弦核的积分算子。该算子生成两个算子恒等式和两个相应的正则微分系统。我们找到了相应的预解式和哈密顿量的渐近性。我们使用算子恒等式的方法和随机矩阵的理论。
2021-06-04 math.CA math.FA math.PR
Concentration of kernel matrices with application to kernel spectral clustering
University of California, Los Angeles(加州大学洛杉矶分校);Cedars-Sinai Medical Center(西达赛奈医疗中心)
研究了随机核矩阵在其均值附近的集中度。假设数据点独立于$\mathbb R^d$上的一类多元分布(包括仿射变换下的强对数凹分布),得到了Lipschitz核的非渐近指数浓度不等式.我们的结果的一个特点是,数据点不需要具有相同的分布或零均值,这在某些应用中是关键,如聚类。我们对Lipschitz核的界是无量纲的,并且一直到常数。为了比较,我们还推导出了一类次高斯分布的欧氏(内积)核的伴随结果。这两种情况之间的一个显著区别是,与欧几里得核相反,在Lipschitz情况下,浓度不等式不依赖于基础向量的均值。作为这些不等式的应用,我们得到了一个核谱聚类(KSC)算法的误分类率的界,扰动下的非参数混合模型。我们展示了一个例子,这个界限建立高维的一致性(作为$d \to \infty$)的KSC,当应用高斯内核,噪声模型嵌套的非线性流形。
2020-01-27 cs.LG math.ST stat.ML
Spectrum of inner-product kernel matrices in the polynomial regime and multiple descent phenomenon in kernel ridge regression
本文研究了内积核矩阵的谱,具有条目$h (\langle \textbf{x}_i ,\textbf{x}_j \rangle/d)$的$n \times n$矩阵,其中$( \textbf{x}_i)_{i \leq n}$为i.i.d.~ $\mathbb{R}^d$中的随机协变量。在线性高维政权$n \asymp d$,它表明,这些矩阵很好地近似其线性化,简化成一个重新缩放的Wishart矩阵和单位矩阵的总和。在本文中,我们推广这种分解的多项式高维政权$n \asymp d^\ell,\ell \in \mathbb{N}$,数据均匀分布的球体和超立方体。在这种情况下,核矩阵通过其次数- $\ell$多项式近似很好地近似,并且可以分解成低秩尖峰矩阵、单位和具有条目$Q_\ell (\langle \textbf{x}_i , \textbf{x}_j \rangle)$的“Gegenbauer矩阵”,其中$Q_\ell$是次数- $\ell$ Gegenbauer多项式。我们表明,谱的Gegenbauer矩阵收敛于分布的Marchenko-Pastur法律。这个问题是由核岭回归(KRR)在多项式政权$n \asymp d^κ, κ>0$的预测误差的研究。先前的工作表明,对于$κ\not\in \mathbb{N}$,KRR恰好拟合目标函数的次数- $\lfloor κ\rfl…
2022-04-21 math.ST stat.ML stat.TH
On the spectral property of kernel-based sensor fusion algorithms of high dimensional data
我们应用随机矩阵的局部律和自由概率论,研究了两种基于核的传感器融合算法,非参数典型相关分析(NCCA)和交替扩散(AD)的频谱特性,为两个同时记录的高维数据集下的原假设。感兴趣的矩阵是与数据集相关联的核矩阵的乘积,其通常可能不可对角化。我们证明,在政权的两个随机向量的尺寸是可比的样本量,如果NCCA和AD进行使用一个光滑的核函数,那么前几个非平凡的特征值将收敛到真正的确定性值提供的数据集是独立的高斯随机向量。对于所要求的结果,我们还提供了核亲和矩阵的特征值的收敛速度。
2020-09-06 math.ST stat.TH
The Spectral Norm of Random Inner-Product Kernel Matrices
本文研究了一个“内积核”随机矩阵模型,其经验谱分布在$n$和$p$的大极限下收敛到一个确定性测度.我们提供了一个解释,这个限制措施作为添加剂的自由卷积的一个循环法和Marcenko-Pastur法。通过比较该随机矩阵与具有相同极限谱的变形GUE矩阵的迹矩,证明了对于奇核函数,该矩阵的谱范数几乎必然收敛于极限谱的边缘.我们的研究是出于分析的协方差阈值化过程的统计检测和估计稀疏的主成分,我们的结果特征的阈值样本协方差阵的最大特征值的极限在零设置。
2017-02-01 math.PR math.ST stat.TH
First-order asymptotic expansions for spectral convergence of compact self-adjoint operators on general spectral subsets, with application to kernel Gram matrices
University of California, Davis(加州大学戴维斯分校)
本文研究了紧自伴算子在一般谱子集上的谱收敛渐进行为,并应用于核Gram矩阵,推导集中不等式和弱收敛结果,依赖于易于验证的核假设。
2026-08-25 math.SP math.ST stat.TH
Optimal detection of geometry in random graphs and kernel matrices at critical thresholds
Georgia Institute of Technology(佐治亚理工学院)
该研究针对随机图与核矩阵的几何检测问题,改进了现有阈值结果,建立了临界区域的最优渐近检验误差,提出基于秩统计量的三次统计量实现最优检验。
2026-10-14 math.PR math.ST stat.TH
Group kernels for Gaussian process metamodels with categorical inputs
高斯过程(GP)被广泛用作仿真耗时的计算机代码的元模型。我们专注于涉及分类输入的问题,具有潜在的大量L的水平(通常是几十个),划分在G << L组的各种大小。然后,可以通过块协方差阵T来定义简约的协方差函数或核,其中块对之间和块内的协方差恒定。我们研究这种矩阵的正定性,以鼓励他们的实际应用。等效于嵌套贝叶斯线性模型的分层组/水平结构提供了有效块矩阵T的参数化。然后,当放松块内的假设时,可以使用相同的模型,给出有效的协方差阵的灵活参数族,其中块对之间具有恒定的协方差。T的正定性等价于大小为G的较小矩阵的正定性,通过平均每个块获得。该模型被应用于核废料分析中的一个问题,其中的分类输入之一是原子序数,它有90多个级别。
2018-07-24 math.ST stat.ME stat.TH
Estimating the Spectral Moments of the Kernel Integral Operator from Finite Sample Matrices
Weill Cornell Medical College(威尔康奈尔医学院);New York University(纽约大学);Cornell Tech(康奈尔科技学院);Flatiron Institute(弗莱堡研究所)
针对有限测量下样本协方差矩阵谱分析有偏的问题,提出基于动态规划的新算法,可从有限采样矩阵无偏估计核积分算子谱矩,在RBF核上验证了准确性,并展示其在理解神经网络表示几何中的实用价值。
2025-02-08 cs.LG math.SP math.ST
Universality of Kernel Random Matrices and Kernel Regression in the Quadratic Regime
Center for Machine Intelligence and Data Science Indian Institute of Technology Bombay(机器智能与数据科学中心 印度理工学院班加罗尔);International Computer Science Institute Department of Statistics University of California, Berkeley(国际计算机科学研究所 统计学系 加州大学伯克利分校);Department of Mathematics University of Southern California(数学系 华盛顿大学)
本文将核回归研究拓展至$n \asymp d^2$的二次渐近情形,证明内积核表现出二次核行为,推导了核矩阵极限谱分布与KRR渐近误差,验证了GCV估计的一致性。
2025-10-04 cs.LG math.PR math.ST
Wishart kernel density estimation for strongly mixing time series on the cone of positive definite matrices
HEC Montréal(蒙特利尔高等商学院);McGill University(麦吉尔大学);Université du Québec à Trois-Rivières(魁北克特鲁瓦里维埃拉大学);Penn State University(宾夕法尼亚州立大学)
提出Wishart核密度估计器用于正定矩阵锥上的密度估计,该估计器具有边界感知性,能缓解边界偏差,并在混合条件下建立了均方误差、一致强相合性和渐近正态性,模拟和实例表明其优于其他方法。
2026-06-09 math.PR math.ST stat.AP
A Survey on the Eigenvalues Local Behavior of Large Complex Correlated Wishart Matrices
本说明的目的是对作者最近的作品进行教学调查(arXiv:1409.7548和arXiv:1507.06013)关于在谱的边缘和尖点处的大的复相关Wishart矩阵的特征值的局部行为:在相当一般的条件下,本征值在极限谱的软边、硬边(当硬边存在时)和尖点处的涨落分别用Airy核描述,贝塞尔核或者皮尔斯核此外,在几个软边缘的特征值波动是渐近独立的。特别地,可以描述矩阵条件数的渐近涨落。最后给出了硬边渐近性的次项。
2015-09-16 math-ph math.MP math.PR