超高维数据相关论文
变系数变换模型在统计分析方面发挥着越来越重要的作用,在临床试验和生物医学研究方面都有重要的应用.随着数据采集与计算的快速发......
在定期随访的医学研究或临床实验中,人们经常会收集到高维区间删失数据,如何对这类数据进行降维是一个非常有意义的问题.本文基于K......
变量筛选是处理超高维数据的常用方法之一。通过研究多分类因变量的超高维判别分析的特征筛选问题,提出了一种新的特征筛选方法MCV......
变量筛选在各类生活场景中都有着广泛的应用,例如在探究影响疾病的关键基因时,可能的关键基因数远大于获取到的患者样本数,并且在......
考虑了已有文献对Cox模型的超高维变量选择与参数估计问题的研究方法,并且了解到已有的变量选择研究方法存在不能有效地识别出某些......
近年来,随着信息技术的快速发展,复杂数据已经越来越常见.在复杂数据中,函数型数据和超高维数据已经出现在心理学、经济学、气象学......
随着科学技术的发展和计算机计算能力的不断提高相辅相成,现如今超高维数据出现在我们多个研究领域中。在自然科学,人类基因等研究......
超高维数据广泛出现在生物医学、经济金融、保险精算、可靠性工程等领域。由于高维数据带来的“维数祸根”,传统的变量选择方法无......
变量筛选是分析超高维数据的重要方法,现有边际筛选方法在某些情况下易导致高错误发现率.另外,在很多实际问题中,研究者事先知道某......
特征筛选方法对于超高维数据分析非常重要.本文基于Hoeffding's独立检验统计量提出了一种新的条件独立筛选方法,简称为MMCSCIS.该......
随着数据收集技术的快速发展，很多领域的研究者可以用较低的成本获得超高维数据，例如基因组学，功能磁共振成像，X线断层摄影术，金融等领......
随着大数据时代的到来,在气象预测、模式识别、基因研究等一些领域中,常面临超高维数据。对于超高维数据,只有少量的协变量同响应......
近几十年来非参数和半参数建模受到越来越多统计学者的关注，大量的文献研究了非参数和半参数回归模型的估计问题.非参数模型的优势......
超高维数据在各个科学领域不断涌现并对统计学现有的理论和计算方法提出了新的挑战.一方面，统计理论可能会遇到维数祸根、模型不可......
部分线性模型是一类重要的半参数回归模型，结构是将线性模型与非参数模型相结合，既保留了参数回归模型容易解释的优点，又保留了非参数......
在实际中,为了应用回归分析方法,人们通常首先要对回归自变量进行选择,以剔除掉对因变量的影响较弱的自变量。当自变量的维数p比样......
高维数据的变量选择是统计学家面临的主要问题之一。随着现代科学与技术的发展,统计分析者面临的数据越来越复杂,数据量也越来越大......
本文考虑超高维部分线性模型，其中线性部分的维数p大于样本量n,且维数p随着样本量n呈指数阶增长.首先，利用半参数回归的profile方法，......
变量选择是处理超高维数据过程中重要的部分.本文提出部分线性模型下ADS（Adaptive Dantzig Selector）方法,并证明其渐近正态性.通过......
实际问题研究中常常面临复杂数据,其中超高维数据和纵向数据常见于医学、经济学等大数据领域.基于超高维纵向数据的结构特征,推广......
超高维变量筛选是统计研究的重要问题。提出一种新的变量筛选方法 HD-SIS,该方法不需要模型假设,并且对异常值有很强的抵抗能力,具......
文章研究了响应变量随机缺失下超高维数据的特征筛选方法,Kolmogorov过滤方法被用于筛选构建倾向得分函数的重要协变量,据此推广逆......
随着大数据时代的到来,越来越多的超高维数据被应用于科学研究的各个领域。对于超高维数据进行特征筛选成为了统计学家们热衷研究......
线性变换模型是一类建模非常灵活的生存分析模型,它包含了众多常用生存分析模型,例如Cox比例风险模型,比例优势模型,probit模型等.......
特征筛选是超高维数据分析中常用的快速降维方法。本文首先基于秩能量距离提出了一种新的适用于超高维判别分析的特征筛选方法(RED......
随着数据收集技术的日趋发达和广泛应用,研究者在许多领域能以较低成本获取超高维数据,例如在环境科学、医学和金融学等等.由于“......
对超高维判别分类数据,在无模型假设下,通过构建基于变化熵J值的特征筛选指标,进行有效快捷的重要变量排序筛选降维,提出J-SIS特征......
针对超高维变量筛选问题,提出一种新的稳健秩条件特征筛选方法,简称为RRCSIS。该方法不依赖于模型设定,并且可以同时处理条件特征......
结合模型平均技术和条件分位数方法,提出一种基于变量间相关度量的模型平均特征筛选方法.该方法具有无模型假设、对异常值或重尾分......
随着科技水平的飞速发展和数据收集能力的大幅提高,超高维数据(即变量个数p远大于样本个数n)已经越来越频繁地出现在包括金融学,基......
近几十年来非参数和半参数建模受到越来越多统计学者的关注,大量的文献研究了非参数和半参数回归模型的估计问题.非参数模型的优势......
超高维数据的收集与存储,因科学技术的飞速发展已不再是问题.那么随之就面临着如何分析此类数据的困难.众所周知,超高维数据,即数......
近年来,超高维数据分析与处理中的计算成本、统计精度、算法稳定性等方面问题,是当前人们关注的研究热点。超高维数据的特征筛选已......
在回归建模中,我们主要面临两类问题:变量选择和变量筛选.变量选择过程已被广泛应用于变量是固定维数或增长型维数(P随着n幂增长)......
