隨著科學(xué)技術(shù)（尤其是計算機計算和存儲能力）的快速發(fā)展,超高維數(shù)據(jù)越來越多地出現(xiàn)在當(dāng)今科學(xué)研究的各個領(lǐng)域,例如生物醫(yī)學(xué)、經(jīng)濟學(xué)、腦圖像科學(xué)等等.超高維數(shù)據(jù)的“維數(shù)詛咒”為其統(tǒng)計分析和推斷帶來了巨大的挑戰(zhàn),而特征篩選方法是克服這些挑戰(zhàn)不可缺少的統(tǒng)計方法之一.近十余年來,超高維數(shù)據(jù)的特征篩選方法研究受到了眾多統(tǒng)計學(xué)者的關(guān)注,并取得了眾多重要的進展.然而,對于超高維復(fù)雜數(shù)據(jù)的特征篩選方法,相關(guān)研究并不是非常豐富,尚有許多問題亟需解決.基于距離相關(guān),本文分別對具有先驗信息的超高維生存數(shù)據(jù)和超高維半競爭風(fēng)險數(shù)據(jù)的特征篩選問題進行了深入研究.第二章研究了基于條件距離相關(guān)的超高維生存數(shù)據(jù)的條件特征篩選問題.在研究實際問題時,在眾多協(xié)變量中,研究者經(jīng)常事先已知某個或某些協(xié)變量是重要的.那么,在構(gòu)造特征篩選方法的時候就應(yīng)該把這個信息考慮進來,從而達到改進篩選結(jié)果的目標.針對具有此類先驗信息的超高維生存數(shù)據(jù),本章提出了基于條件距離相關(guān)的特征篩選方法.為了使條件距離相關(guān)能夠適應(yīng)于帶有右刪失的生存數(shù)據(jù),并使提出的方法對協(xié)變量具有穩(wěn)健性,首先通過每個協(xié)變量的分布函數(shù)及生存事件時間的分布函數(shù)對每個協(xié)變量和生存事件時... 

【文章來源】：曲阜師范大學(xué)山東省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３上在例３．１不同的設(shè)定下，ａＪＭＤＣ－ＳＩＳ的樣本容量－自適應(yīng)閾值的折線圖：⑷沒＝?０?


本文編號：3334584