上海财经大学范剑青教授“强大的稀疏二次判别”了一个新颖的瑞利商基于稀疏二次降维方法 - 命名QUADRO - 分析高维数据。不像在瑞利商优化与分类相一致的线性设置,这两个问题是非线性下设置非常不同。的瑞利商优化的一个主要挑战是,二次统计方差涉及所有第四交叉时刻预测的,这是不可行的计算为高维应用,可能积聚过多随机误差。这个问题是通过考虑家庭椭圆模型解决。此外,重尾分布,均值和协方差矩阵的稳健估计被用来保证一致收敛估计非多项式很多参数,即使第四时刻假定。在计算中,我们提出了一种高效线性增广拉格朗日方法来解决约束优化问题。从理论上讲,我们提供瑞利商根据高斯和一般的椭圆形模型而言收敛明确率。