项目名称: 基于充分降维方法的高维数据假设检验问题的研究

项目编号: No.11201151

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 於州

作者单位: 华东师范大学

项目金额: 22万元

中文摘要: 随着现代科学技术的发展,数据越来越凸显高维与复杂态势。高维数据频繁见诸于环境科学、医学研究、金融市场以及第二代互联网当中。高维数据给统计学家提出巨大挑战的同时,也给予了统计学界进一步深化发展统计理论与方法的契机。充分降维通过有效将高维变量转化为其低维线性组合,避免了"维数祸根"的困扰,使得进一步统计分析成为可能。本项目致力于通过充分降维方法系统构建并深化高维数据模型下的假设检验理论。我们将着重展开如下三个方面的研究:1)基于二阶参数化降维方法的结构维数检验理论和方法;2)超高维半参数模型下变量显著检验理论和方法;3)高维函数型数据模型的结构维数检验以及特征显著性检验。本项目的研究成果必将为分析和处理金融经济学以及生物信息学等领域所面临的高维数据提供有力的方法保证和理论支持。

中文关键词: 高维;假设检验;变量选择;切片逆回归;充分降维

英文摘要: The scale and complexity of data sets have increased drastically in light of the development in modern technology. High-dimensional data that involve a large amount of variables are nowadays routinely generated and collected in areas such as environmental studies, human health and medical research, financial markets and second-generation internet. High-dimensional data pose many challenges for statisticians and provide considerable momentum in the statistics community to develop new theories and methodologies. Sufficient dimension reduction methodology effectively transforms a high dimensional data problem to a low dimensional one, and thus facilitates many existing statistical methods which used to be hindered by the curse of dimensionality. This project proposes a new paradigm that synthesizes and broadens the theories and methodologies of hypotheses testing for high dimensional data with sufficient dimension reduction methods. We focus mainly on the following three topics: 1) Marginal dimension tests with second order parametric sufficient dimension reduction methods; 2) Testing predcitors contributions based on sufficient dimension reduction methods for ultrahigh dimensional semiparametric models; 3) Deciding the strucutre dimension and feature selection for high dimensional function data based on hypotheses

英文关键词: High Dimensionality;Hypothesis Test;Variable Selection;Sliced Inverse Regression;Sufficient Dimension Reduction

成为VIP会员查看完整内容
0

相关内容

【干货书】概率,统计与数据,513页pdf
专知会员服务
136+阅读 · 2021年11月27日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
35+阅读 · 2021年6月16日
专知会员服务
73+阅读 · 2021年6月12日
【经典书】统计强化学习:现代机器学习方法,206页pdf
专知会员服务
78+阅读 · 2021年2月24日
专知会员服务
144+阅读 · 2021年2月3日
机器学习的可解释性
专知会员服务
68+阅读 · 2020年12月18日
专知会员服务
45+阅读 · 2020年11月13日
最新《统计机器学习》课程,26页ppt
专知会员服务
80+阅读 · 2020年8月30日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
对抗子空间维度探讨
PaperWeekly
0+阅读 · 2022年2月13日
大数据时代的地学知识图谱研究展望
专知
0+阅读 · 2021年11月25日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
缺失数据统计分析,第三版,462页pdf
专知
46+阅读 · 2020年2月28日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
贝叶斯机器学习前沿进展
架构文摘
13+阅读 · 2018年2月11日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
Tikhonov Regularization of Circle-Valued Signals
Arxiv
1+阅读 · 2022年4月20日
Arxiv
19+阅读 · 2020年7月21日
Arxiv
15+阅读 · 2019年6月25日
小贴士
相关VIP内容
【干货书】概率,统计与数据,513页pdf
专知会员服务
136+阅读 · 2021年11月27日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
35+阅读 · 2021年6月16日
专知会员服务
73+阅读 · 2021年6月12日
【经典书】统计强化学习:现代机器学习方法,206页pdf
专知会员服务
78+阅读 · 2021年2月24日
专知会员服务
144+阅读 · 2021年2月3日
机器学习的可解释性
专知会员服务
68+阅读 · 2020年12月18日
专知会员服务
45+阅读 · 2020年11月13日
最新《统计机器学习》课程,26页ppt
专知会员服务
80+阅读 · 2020年8月30日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
对抗子空间维度探讨
PaperWeekly
0+阅读 · 2022年2月13日
大数据时代的地学知识图谱研究展望
专知
0+阅读 · 2021年11月25日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
缺失数据统计分析,第三版,462页pdf
专知
46+阅读 · 2020年2月28日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
贝叶斯机器学习前沿进展
架构文摘
13+阅读 · 2018年2月11日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
相关基金
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员