고차원 데이터에서 다중 평균 벡터 추정

다양한 확률 분포의 독립적인 샘플 세트를 활용하여 고차원 공간에서 여러 다차원 평균을 추정하는 방법을 제안하고 분석한다. 제안된 방법은 이러한 샘플에서 유도된 경험적 평균의 볼록 조합을 통해 추정량을 형성한다. 이를 위해 변동성이 낮은 인접 평균을 식별하는 검정 절차와 위험의 상한 최소화를 통한 가중치 결정 전략을 소개한다. 이론적 분석을 통해 제안된 방법이 기존 방법 대비 제공하는 위험 개선을 평가하며, 고차원 데이터 관점에서 최적 성능에 점근적으로 접근함을 보인다. 모의실험과 실제 데이터 실험을 통해 커널 평균 임베딩 추정에서의 방법 효과를 입증한다.