超高维稀疏线性变换模型的独立性筛选

发布时间：2017-12-09 13:39

  本文关键词：超高维稀疏线性变换模型的独立性筛选

  更多相关文章： 超高维数据 确定性独立筛选法 线性变换模型

【摘要】：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.随着数据采集与计算的快速发展,高维数据甚至超高维数据在实际应用中不断涌现,这对传统模型的统计推断提出了挑战.基于此,本文将主要研究超高维线性变换模型的变量筛选和参数估计问题.首先,我们基于最大似然估计方法给出Pn时模型参数的估计和变量选择惩罚方法,然后采用确定性独立筛选方法(SIS)研究线性变换模型的变量筛选问题.最后进一步推广SIS方法,提出迭代的确定性筛选方法(ISIS)研究该类模型更有效的变量筛选问题.我们通过大量的模拟例子说明所提出方法的有效性.
【学位授予单位】：江苏师范大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O212.1

【参考文献】

中国期刊全文数据库 前3条

1 刘欣;陈惠;费鹤良;;基于数据分组与右删失情形下对数正态分布的参数估计[J];应用概率统计;2008年04期

2 郑明,杨艺,郑宇;基于分组数据的Weibull分布的参数估计[J];高校应用数学学报A辑(中文版);2003年03期

3 薛宏旗,宋立新;分组数据下参数极大似然估计渐近有效性[J];系统科学与数学;2001年02期

，

本文编号：1270609