超高维相关论文
计算机的计算能力不断以数量级单位增长,计算力的突破革新使得数据的获取和存储更加便捷。数据相关技术的提升大大降低了计算成本,......
随着互联网数据库的不断扩展,实际问题中收集到的数据很多都是高维数据。为了处理高维数据分析的问题,许多参数和半参数模型被提出......
随着科学技术(尤其是计算机计算和存储能力)的快速发展,超高维数据越来越多地出现在当今科学研究的各个领域,例如生物医学、经济学......
超高维右删失数据越来越多地出现在现代科学研究的各个领域,例如生物医学、经济学等等.特征筛选方法是分析该类数据必不可少的工具......
随着数据收集和存储能力的大幅提高,超高维数据[9],即数据维数伴随着样本呈指数增长,频繁出现在许多科学邻域.此时,惩罚类变量选择......
变量筛选是超高维数据分析的基础,MV-SIS和AD-SIS是超高维判别分类问题中的两种有效的稳健的特征筛选方法.然而,和其它边际筛选方......
海洋预报业务可视化过程中,存在多源、异构、海量、强关联的海洋数据存储效率低、大规模高维矢量场数据可视化速度慢,多预报任务协......
考虑超髙维部分线性变系数模型,其中线性部分的协变量的维数随着样本容量以指数阶的速度增长.考虑到超高维协变量间存在相关性,提......
传统的判别分析方法只适用于维数较低的情况,当样本数据为高维和超高维时,需要先对数据进行变量的特征筛选,再利用传统方法进行判......
纵向数据具有“组间独立,组内相关”的特点,能反映个体间的差异和个体内部的变化,在医学、经济学等众多领域具有不可替代的作用.随......
超高维数据下的特征筛选是模型降维建模的重要环节.基于条件分位数的改进超高维特征筛选方法在给定分位点有扰动情况下可能会导致......
特征筛选是超高维数据处理过程中非常重要的一环,筛选降维的准确性直接影响到后续的数据建模分析。文章针对卡方统计特征筛选方法（P......
