The University of North Carolina at Charlotte.;
Least absolute shrinkage and selection operator;
机译:惩罚t型伪似然对t型联合广义线性模型的鲁棒变量选择
机译:使用改进的广义似然比检验进行稳健的目标识别
机译:基于自适应LASSO罚分GEE和加权高斯拟似然BIC的纵向鲁棒分析模型选择方法。
机译:调整对非正态性鲁棒性的广义圆形似然比检验
机译:强大的参数设计:受到惩罚的可能性方法
机译:二进制数据的广义线性混合模型:受惩罚的拟似然和数值积分的匹配结果是否偏重?
机译:二进制数据的广义线性混合模型:受惩罚的拟似然和数值积分的匹配结果是否偏重?
机译:广义加法模型,三次样条和惩罚似然