超高维特征筛选方法SEVIS及其应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-30页 |
| 1.1 背景介绍及文献综述 | 第12-25页 |
| 1.1.1 特征筛选方法SIS | 第12-14页 |
| 1.1.2 广义线性模型下的特征筛选 | 第14-16页 |
| 1.1.3 特征筛选方法SIRS | 第16-18页 |
| 1.1.4 距离相关特征筛选DCSIS | 第18-21页 |
| 1.1.5 分位特征筛选QaSIS | 第21-23页 |
| 1.1.6 分位特征筛选Q-SIS | 第23-25页 |
| 1.2 特征筛选方法SEVIS | 第25-26页 |
| 1.3 连续时间序列下的特征筛选 | 第26-28页 |
| 1.4 文章内容及结构 | 第28-30页 |
| 第二章 特征筛选方法SEVIS | 第30-60页 |
| 2.1 广义相关系数SEV及其非参数估计 | 第30-33页 |
| 2.1.1 广义相关系数SEV | 第30-31页 |
| 2.1.2 SEV的非参数估计 | 第31-33页 |
| 2.2 SEVIS | 第33-35页 |
| 2.2.1 SEVIS的理论性质 | 第34-35页 |
| 2.3 数值模拟 | 第35-44页 |
| 2.3.1 蒙特卡洛模拟 | 第35-39页 |
| 2.3.2 卵巢癌的整体基因解释能力分析 | 第39-44页 |
| 2.4 讨论 | 第44页 |
| 2.5 定理证明 | 第44-60页 |
| 第三章 SEVIS的局部线性估计 | 第60-70页 |
| 3.1 SEV的局部线性估计 | 第60-63页 |
| 3.1.1 局部线性估计量 | 第60-62页 |
| 3.1.2 SEV局部估计的渐近性质 | 第62-63页 |
| 3.1.3 超高维特征筛选 | 第63页 |
| 3.2 数值模拟 | 第63-66页 |
| 3.3 总结 | 第66页 |
| 3.4 渐近性质的证明 | 第66-70页 |
| 第四章 混合相依下的SEVIS | 第70-94页 |
| 4.1 高频夏普比率 | 第70-72页 |
| 4.2 混合相依变量下的SEVIS | 第72-74页 |
| 4.2.1 SEV及其估计量 | 第72-73页 |
| 4.2.2 SEV的独立筛选过程 | 第73-74页 |
| 4.2.3 SEVIS的理论性质 | 第74页 |
| 4.3 蒙特卡洛模拟 | 第74-77页 |
| 4.4 中国股票市场的实证分析 | 第77-83页 |
| 4.5 定理证明 | 第83-94页 |
| 第五章 结论与展望 | 第94-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100-102页 |
| 在读期间学术论文成果 | 第102页 |
