Student-t model

新的SAEM算法增强了不完整数据的鲁棒协方差估计

研究人员开发了一种新的鲁棒协方差估计方法，该方法对于部分观测且包含逐项污染的数据特别有用。所提出的方法使用随机近似EM（SAEM）算法将Student-t*模型的推断扩展到不完整观测。该方法将坐标尺度上的随机更新与Rao-Blackwellized高斯条件矩相结合，避免了显式采样潜在高斯变量的需要。实验表明，在具有扩散性污染的中高异常值率下，该SAEM算法在Fisher-Rao误差方面优于包括高斯、Student-t和插补方法在内的现有估计器。