SGR-GMM

新的SGR-GMM算法增强了矩估计的鲁棒性

研究人员开发了SGR-GMM算法，这是一种新颖的鲁棒广义矩方法（GMM），旨在减轻矩估计对异常值的敏感性。该算法采用谱梯度重加权（SGR）原语在优化过程中调整每个观测值的梯度。分析涵盖了SGR原语作为熵正则化谱博弈的公式、其收敛性质以及考虑了污染的局部有限样本参数估计误差界限。还提出了一种用于异方差低秩高斯混合的专门的鲁棒对角加权GMM（DGMM）估计器，实验表明其相比非鲁棒方法有显著改进。