[论文解读] Limit theorems for empirical Fréchet means of independent and non-identically distributed manifold-valued random variables

Wilfrid S. Kendall, Huiling Le|arXiv (Cornell University)|Feb 1, 2011

Morphological variations and asymmetry参考文献 18被引用 6

一句话总结

本文建立了独立但非同分布的随机变量在黎曼流形上的经验弗雷chet均值的弱大数定律和林德伯格型中心极限定理。通过利用黎曼指数映射和基于曲率的海森矩阵估计，提出了一项新颖的向量值林德伯格中心极限近似定理，推导出在一般矩条件和曲率条件下经验均值的渐近正态性，将经典的i.i.d.结果推广至流形上的非同分布情形。

ABSTRACT

We prove weak laws of large numbers and central limit theorems of Lindeberg type for empirical centres of mass (empirical Fréchet means) of independent non-identically distributed random variables taking values in Riemannian manifolds. In order to prove these theorems we describe and prove a simple kind of Lindeberg-Feller central approximation theorem for vector-valued random variables, which may be of independent interest and is therefore the subject of a self-contained section. This vector-valued result allows us to clarify the number of conditions required for the central limit theorem for empirical Fréchet means, while extending its scope.

研究动机与目标

• 将经典的极限定理——弱大数定律和中心极限定理——从i.i.d.情形推广至独立但非同分布的流形值随机变量。
• 解决现有文献中在黎曼流形上非同分布假设下经验弗雷chet均值缺乏中心极限理论的问题。
• 为黎曼流形环境量身定制一种新的向量值林德伯格型中心极限定理，采用标量归一化和基于迹的方差-协方差近似方法。
• 明确渐近正态性所需的最小条件，特别是关于曲率和矩条件的要求。
• 在常曲率或凯勒流形情形下，恢复并推广Bhattacharya与Patrangenaru（2005）的先前结果，尤其在可显式写出海森矩阵表达式的情况下。

提出的方法

• 提出一个新的向量值林德伯格中心极限近似定理（定理3），允许使用标量归一化，并能处理退化的方差-协方差矩阵，与以往文献中采用矩阵归一化的方法不同。
• 利用黎曼指数映射将流形值随机变量线性化为切向量，从而可将欧氏中心极限定理应用于提升后的变量。
• 通过能量函数 $ \operatorname{dist}(x,X_i)^2 $ 的二阶导数定义海森算子 $ H_i(x) $，以捕捉曲率对均值渐近分布的影响。
• 推导出 $ \sqrt{n} \operatorname{Exp}^{-1}_{\text{o}}(x_n) $ 的渐近分布为均值为零、方差-协方差矩阵为 $ \tilde{H}^{-1} \mathbb{E}[\Phi_{\text{o},X_1}] \tilde{H}^{-1} $ 的多元正态分布，其中 $ \tilde{H} $ 为在中心点处的期望海森矩阵。
• 在局部坐标系中利用克里斯托费尔符号和正常坐标表示海森矩阵，简化对称情形下的渐近方差。
• 在常曲率和凯勒流形中，利用函数 $ f_\kappa(s) $、$ S_\kappa(s) $ 和 $ C_\kappa(s) $ 显式给出 $ H_i(x) $ 的表达式，实现基于曲率的方差估计。

实验结果

研究问题

• RQ1 在什么条件下，独立但非同分布的流形值随机变量的经验弗雷chet均值会以概率收敛于聚合能量函数的局部极小值点？
• RQ2 当底层随机变量非同分布时，能否为经验弗雷chet均值建立林德伯格型中心极限定理？
• RQ3 在方差-协方差矩阵可能奇异的黎曼流形设定下，经验弗雷chet均值的正确归一化方式和极限分布是什么？
• RQ4 曲率和流形的几何结构如何影响经验弗雷chet均值的渐近方差？
• RQ5 所提结果能否在常曲率流形情形下恢复或推广Bhattacharya与Patrangenaru（2005）的中心极限定理？

主要发现

• 在海森算子的矩条件和连续性条件较弱时，经验弗雷chet均值 $ x_n $ 以概率收敛于聚合能量函数的局部极小值点。
• 建立了一项新的向量值林德伯格中心极限近似定理，允许标量归一化并能处理退化方差-协方差矩阵，这对非i.i.i.d.情形至关重要。
• $ \sqrt{n} \operatorname{Exp}^{-1}_{\text{o}}(x_n) $ 的渐近分布为均值为零、方差-协方差矩阵为 $ \tilde{H}^{-1} \mathbb{E}[\Phi_{\text{o},X_1}] \tilde{H}^{-1} $ 的多元正态分布，其中 $ \tilde{H} = \mathbb{E}[H_1(\text{o})] $。
• 在以 $ \text{o} $ 为中心的正常坐标系中，坐标向量 $ \boldsymbol{\zeta}^n $ 的渐近分布为均值为零、方差-协方差矩阵为 $ (\mathbb{E}[H^\psi])^{-1} G V_\psi G (\mathbb{E}[H^\psi])^{-1} $ 的多元正态分布，其中 $ G $ 为度量张量，$ V_\psi $ 为切向量的协方差。
• 对于截面曲率为常数 $ \kappa $ 的流形，海森算子 $ H_i(x) $ 可显式表示为包含 $ f_\kappa(s) $、$ S_\kappa(s) $ 和 $ C_\kappa(s) $ 的表达式，从而实现基于曲率的方差估计。
• 在具有常全纯截面曲率 $ \kappa $ 的凯勒流形中，海森算子包含一个涉及复结构 $ \jmath $ 的附加项，且公式中已考虑曲率校正中的全纯性影响。