声明
摘要
第一章引言与知识回顾
1.1研究背景介绍
1.2 生存分析概述
1.2.1生存分析的基本概念
1.2.2 生存分析的数据类型
1.2.3生存分析的基本函数
1.2.4 Cox比例风险模型
1.2.5 Kaplan-Meier估计
1.3高维数据分析
1.3.1高维数据简介
1.3.2 惩罚似然方法介绍
1.3.3 常见的惩罚函数介绍
1.3.4调节参数选择
1.4超高维数据分析
1.4.1 完全数据的变量筛选法
1.4.2 删失数据的变量筛选法
1.5.1背景知识介绍
1.5.2 异常值点检测方法
1.5.3线性回归模型中异常值点检测
1.6 本文结构
第二章超高维生存数据中基于删失累积残差的独立筛选法
2.1 引言
2.2 删失累积残差独立筛选法
2.3 理论性质
2.4 数值模拟
2.4.1 基于Cox比例风险模型的模拟研究
2.4.2 基于非线性模型的模拟研究
2.4.3 关于模型大小[n/logn]的模拟研究
2.4.4 关于迭代变量筛选法ICCRIS的模拟研究
2.5 实例分析
2.6 本章小结
2.7本章表格和定理证明
2.7.1定理2.1的证明
2.7.2定理2.2的证明
第三章超高维生存数据中基于相关性排序的独立筛选法
3.1 引言
3.2 基于相关性秩排序的独立筛选法
3.3 理论性质
3.4 数值模拟
3.4.1 基于线性回归模型的模拟研究
3.4.2基于Cox比例风险模型的模拟研究
3.4.3 基于非线性模型的模拟研究
3.4.4 基于转换模型的模拟研究
3.5 实例分析
3.6 本章小结
3.7 本章表格和定理证明
3.7.1定理3.1的证明
3.7.2定理3.2的证明
第四章处理超高维生存数据的非参数变量筛选法
4.1 引言
4.2 基于融合的Kolmogorov-Smirnov统计量的独立筛选法
4.2.1 Kolmogorov-Smirnov检验
4.2.2 基于Kolmogorov-Smirnov统计量的独立筛选法
4.3 理论性质
4.4 数值模拟
4.4.1 基于Cox比例风险模型的模拟研究
4.4.2 基于非线性模型的模拟研究
4.4.3基于转换模型的模拟研究
4.5 实例分析
4.6 本章小结
4.7 本章表格和定理证明
第五章指数回归模型中删失数据的异常值点识别
5.1 引言
5.2 异常值点检测和参数估计
5.3 数值模拟
5.4 实例分析
5.5 本章小结
第六章总结和展望
6.1 总结
6.2 展望
参考文献
致谢