联系我们：

　　杠杆值用于量化数据集中各数据点的影响力，普遍使用于子抽样方式以提取具有代表性的子样本。本文针对二维自回归模子中杠杆值的计较取使用问题展开深切研究。基于其协变量矩阵的布局特征，我们立异性地提出了二维自回归模子杠杆值的递推计较公式，并据此设想了一种高效的近似计较算法。正在理论层面，我们证了然该近似方式的误差，通过普遍的数值模仿和实正在数据尝试，我们验证了该方式的机能、效率取稳健性，及其正在超光谱图像非常检测使命中的价值。二维自回归（Two-dimensional Autoregressive，简称2D AR）模子因其能描绘二维数据的特定布局而正在图像处置、图像压缩使命中有很强的使用潜力。然而，用最小二乘方式拟合2D AR模子的计较复杂度较高，特别正在模子阶数未知的环境下，需要拟合分歧阶数的模子以进行阶数选择，很大程度上了2D AR模子的适用价值。本文提出了一种快速算法，能够高效地对2D AR模子进行模子阶数选择，杠杆值估量，和参数估量。对一个包含N个像素点，该算法能够将阶数选择中每个子模子的平均计较复杂度降至O(Nd)。算法获得参数估量的误差存正在理论。大量数值尝试表白，所提算法正在连结取随机抽样不异时间复杂度的同时，实现了取杠杆值子抽样方式相当的参数估量精度。本文提出了一种基于2D AR模子杠杆值的图像非常检测方式。杠杆值量化了单个数据点正在模子中的影响，而非常像素凡是具有较高的杠杆值，因而2D AR模子的杠杆值能够天然地做为评估像素非常程度的一种目标。数值模仿尝试成果显示，该方式正在含有自相关噪声的低信噪比前提下仍能连结优异的非常检测机能，可精确识别图像中的非常像素区域。正在实正在数据上，相较于支流的图像非常检测方式，本方式不只获得了更切确的检测成果，同时展示出显著的计较效率劣势。黄君烈，中国人平易近大学统计取大数据研究院2022级博士生，立异尝试室Stat2Spark团队理事，次要研究标的目的为大数据子抽样、图像非常检测和非参数统计等。目前已有一篇论文被《Journal of Computational and Graphical Statistics》领受，曾入选全国工业统计学讲授研究会青年统计学家协会年会博士生论坛获海报展现机遇。深度参取华为“难题揭榜”，做为焦点斩获一枚火花，两枚激励。孟澄，统计取大数据研究院帮理传授、中国大百科全书（第三卷）统计学卷-数据科学分卷副从编。次要研究标的目的为：大数据压缩、最优输运方式、统计及工业交叉科学等，正在Biometrika， IEEE TPAMI， TNNLS， JMLR等期刊会议上颁发论文二十余篇。次要研究标的目的为大数据快速算法、最优输运问题等，掌管国自科青年基金。孟澄率领团队获得华为“难题揭榜”价值火花三枚、激励火花三枚，指点博士生李梦雨获得2024年度中国科协青年人才托举工程博士生专项打算（托举学会：中国现场统计研究会）。2020年以来，研究院学生正在统计学、计量经济。