在高维数据分析中,协方差结构扮演着十分重要的角色,而协方差矩阵的正定性是许多多元统计程序有效性的核心要求。本文主要讨论了高维情形下协方差矩阵估计的两种算法程序。在第一部分,我们主要介绍了正定的高维协方差矩阵ADMM算法的规则化轨道。在过去的十年里,高维协方差矩阵估计问题已经变得越来越流行,然而,关于规则化轨道的计算,或者通过全部规则化参数范围解决最优问题来获得稀疏协方差模型序列却很少受到关注。在这部分,我们对正定的大维协方差矩阵运用ADMM算法规则化轨道去快速逼近稀疏协方差模型序列,从而实现统计模型选择的目的。模拟结果表明我们的方法不仅计算快、易操作,而且可以高效的探索稀疏协方差模型空间。在第二部分,我们提出了高维正定协方差估计的一种有效算法。为了同时获得正定的、稀疏的高维协方差估计量,我们考虑用一个正定约束下l1-惩罚最小值问题去估计高维协方差矩阵。我们运用加速梯度算法去解决这个最优化问题,并建立了它的收敛速率为O(1/(k2)),其中k表示迭代次数。模拟结果表明,我们的方法在计算时间、FPR、FNR及F-范数和谱范数下的收敛速率等指标上更具有竞争优势。