[论文解读] Sparse Median Graphs Estimation in a High Dimensional Semiparametric Model

Fang Han, Han Liu+1 more|arXiv (Cornell University)|Oct 11, 2013

Statistical Methods and Inference参考文献 27被引用 4

一句话总结

本文提出了一种新颖的半参数框架，用于在高维、非独立同分布（non-i.i.d.）设置下估计稀疏中位数图，其中数据来自多个异质分布。通过在非正态（nonparanormal）模型中利用基于秩的估计量（如 Kendall’s tau），并将中位数图定义为使总汉明距离最小的最稀疏图，该方法在理论上实现了图恢复的一致性，并给出了收敛速率的可证明上界，其有效性在合成数据和真实 fMRI 数据（包括 ABIDE 和 ADHD-200 数据集）上得到验证。

ABSTRACT

In this manuscript a unified framework for conducting inference on complex aggregated data in high dimensional settings is proposed. The data are assumed to be a collection of multiple non-Gaussian realizations with underlying undirected graphical structures. Utilizing the concept of median graphs in summarizing the commonality across these graphical structures, a novel semiparametric approach to modeling such complex aggregated data is provided along with robust estimation of the median graph, which is assumed to be sparse. The estimator is proved to be consistent in graph recovery and an upper bound on the rate of convergence is given. Experiments on both synthetic and real datasets are conducted to illustrate the empirical usefulness of the proposed models and methods.

研究动机与目标

• 解决在非同分布、高维网络数据设置下缺乏理论支持的总体图估计问题。
• 在个体图异质且非高斯的条件下，为聚合网络数据的推断建立统一框架。
• 定义并估计一个稀疏中位数图，以捕捉一系列无向图模型群体中的共同结构模式。
• 在高维渐近条件下，为所提出的估计量建立理论一致性及收敛速率上界。
• 在真实神经影像数据集（ABIDE、ADHD-200）上实证验证该方法，以检测脑功能连接中的群体差异。

提出的方法

• 提出基于非正态族的半参数模型，通过未指定的单调变换，允许处理非高斯、非独立同分布的数据。
• 将稀疏中位数图定义为使所有观测图的汉明距离之和最小的最稀疏图。
• 采用基于秩的估计量（特别是 Kendall’s tau）以在非高斯条件下稳健估计相关结构。
• 应用带 ℓ1 约束的惩罚似然方法，以在估计的精度矩阵中强制实现稀疏性，确保中位数图的稀疏性。
• 通过在稀疏图空间上的优化推导出一致估计量，并提供收敛速率的理论保证。
• 采用两步法：首先通过秩统计量估计成对相关性，然后通过稀疏精度矩阵估计恢复中位数图。

实验结果

研究问题

• RQ1 能否在非同分布的高维、非独立同分布设置下，为中位数图开发一种稳健且一致的估计量？
• RQ2 当潜在分布因受试者而异时，特别是在非高斯设置下，如何定义并估计中位数图？
• RQ3 稀疏中位数图估计量在汉明距离意义上的理论收敛速率是什么？
• RQ4 在检测脑功能连接的群体差异方面，该方法是否优于经典的相关性方法（如皮尔逊相关）？
• RQ5 该方法能否在真实 fMRI 数据中可靠识别出临床群体（如对照组与 ASD 患者）之间脑网络的结构差异？

主要发现

• 所提出的稀疏中位数图估计量在高维渐近条件下具有图恢复的一致性。
• 建立了估计量相对于汉明距离的收敛速率上界，为其实证性能提供了理论依据。
• 在 ABIDE 数据集中，基于 Kendall’s tau 的估计生成了对照组 948 条边和病例组 945 条边的稀疏中位数图，差异极小但群体区分度优于皮尔逊相关。
• 该方法揭示，在 ASD 群体中，远距离脑区更可能相互连接，提示长程连接模式发生改变。
• 差异图的可视化显示，长程连接中红色边（仅在病例组中存在）更多，表明病例组可能存在高连接性。
• 在合成数据和真实数据上的实证结果均证实了该方法在检测临床群体间细微网络差异方面的稳健性与实用性。