两类超高维右删失数据特征筛选方法的研究

发布时间：2021-02-21 12:34

　　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.本文研究了两类新的适用于超高维右删失数据的特征筛选方法.第二章研究了一类条件特征筛选方法.众所周知,现有的特征筛选方法大多是一种边际的方法,要么基于边际相关系数,要么基于边际回归系数估计.而边际筛选方法有一些重要的缺点.例如,它们不能选出与其它协变量联合对响应变量有影响但边际上对响应变量无影响的协变量;容易错选出边际上与响应变量相关性较高但实际上对响应变量无影响的协变量.另外,边际的筛选方法还会受到混淆变量的影响,原因在手混淆变量会导致虚假相关性的问题.事实上,在很多实际问题中,研究者事先知道某个（些）协变量对响应变量有重要影响.在变量筛选的过程中,应该考虑到先验信息.基于这样的考虑,第二章提出了一种新的使用于超高维右删失数据的条件特征筛选方法.该方法是基于条件典型相关系数和逆概率删失加权的技术构造的.新的方法对响应变量和协变量都具有稳健性,能用于处理它们服从重尾分布的情形.本章还建立了新方法的理论性质.本章还通过数值模拟评估了新方法在限样本下的表现.最后,本章把... 

【文章来源】：曲阜师范大学山东省

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文研究内容
第2章 基于条件典型相关系数和逆概率删失加权的条件特征筛选
    2.1 方法
    2.2 渐近性质
    2.3 数值模拟
    2.4 实例分析
    2.5 定理证明
    2.6 附录
第3章 基于Copula相关的超高维生存数据的特征筛选
    3.1 方法
    3.2 数值模拟
    3.3 实例分析
    3.4 附录
第4章 总结和展望
参考文献
在读期间发表的学术论文及研究成果
致谢



本文编号：3044353