声明
摘要
主要符号表
1 绪论
1.1 研究背景
1.2 高维模型
1.3 变量选择方法综述
1.3.1 经典的变量选择方法
1.3.2 惩罚似然类变量选择方法
1.4 算法和调整参数的选择
1.4.1 算法
1.4.2 调整参数的选择
1.5 共线性问题的危害与处理
1.6 本文的研究内容
2 组合惩罚下联合均值与方差模型的变量选择
2.1 引言
2.2 组合惩罚之下的联合均值与方差模型的极大似然估计
2.2.1 联合均值与方差模型
2.2.2 组合惩罚之下的极大似然估计
2.3 条件与性质
2.4 定理的证明
2.5 算法
2.5.1 计算组合惩罚下的联合均值与方差模型的极大似然估计
2.5.2 调整参数ιn和λn的选择
2.6 数值模拟
2.7 本章小结
3 参数个数发散的组合惩罚似然估计的变量选择
3.1 引言
3.2 参数个数发散的组合惩罚似然估计
3.3 组合惩罚似然估计的条件和性质
3.3.1 正则条件
3.3.2 理论性质
3.4 定理的证明
3.5 算法和调整参数的选取
3.5.1 组合惩罚似然估计的算法
3.5.2 调整参数λn和γn的选择
3.6 数值模拟
3.7 本章小结
4 超高维SCAD-Ridge惩罚似然的变量选择
4.1 引言
4.2 超高维SCAD-Ridge惩罚似然模型
4.3 模型选择的渐近性质
4.3.1 正则条件
4.3.2 理论性质
4.4 定理的证明
4.5 数值模拟
4.6 本章小结
5 混合总体广义线性模型的M-估计
5.1 引言
5.2 预备知识与模型假设
5.2.1 混合总体广义线性模型和M-估计的概念
5.2.2 主要假设
5.3 主要结论
5.3.1 混合总体广义线性模型的M-估计的相合性
5.3.2 混合总体广义线性模型的M-估计的渐近正态性
5.4 定理的证明
5.5 数值模拟
5.6 本章小结
6 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介