HSS：跨相关任务的 Empirical-Bayes 谱部分池化方法

研究者提出 Hierarchical Spectral Shrinkage（HSS），一个可扩展的 empirical-Bayes 框架，用于对任务特定的谱估计量进行部分池化。该方法将各任务的主导谱方向向数据自适应学习到的公共基正则化，并允许收缩程度随任务和谱分量变化。在合成实验和多研究基因表达数据上，HSS 在估计精度和样本外表现上均优于独立估计、完全池化和共享子空间方法。