基于MCP惩罚的稀疏协方差矩阵估计

来源：吉林大学学报·理学版杂志2026年第1期北京时间：

作者：林珊屹, 徐平峰

单位：1. 长春工业大学 数学与统计学院, 长春 130012； 2. 东北师范大学 前沿交叉研究院, 长春 130024

摘要：针对稀疏协方差矩阵估计问题, 提出一种基于MCP（minimax concave penalty）惩罚对数似然的稀疏协方差阵估计量, 并利用坐标下降算法进行求解.模拟研究结果表明, 在大多数情况下, 该方法在估计稀疏协方差矩阵时, 相较于Lasso惩罚和SCAD(smoothly clipped absolute deviation)惩罚方法, 能获得更小的L1范数、 Kullback-Leibler距离以及Frobenius范数, 特别是在AR(1)模型设定下表现更突出. 此外, 通过分析流式细胞仪测量得到的蛋白质浓度数据, 验证了MCP惩罚方法在实际应用中的优越性能.

关键词：协方差矩阵,MCP惩罚,坐标下降算法,稀疏估计