| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-16页 |
| 1.1.1 变量筛选 | 第12-13页 |
| 1.1.2 缺失数据 | 第13-14页 |
| 1.1.3 现有高维缺失数据处理方法在实践中的缺陷 | 第14-16页 |
| 1.2 研究目的与意义 | 第16-17页 |
| 1.3 本文的可能创新点与不足 | 第17-19页 |
| 第—章 低秩矩阵补全方法(Low-rank Matrix Completion) | 第19-23页 |
| 2.1 低秩矩阵补全的原理与思路 | 第19-20页 |
| 2.2 快速迭代最小平方SVD方法简介 | 第20-21页 |
| 2.3 矩阵补全在高维缺失数据变量筛选中的应用 | 第21-22页 |
| 2.4 低秩矩阵补全法应用于在高维缺失数据变量筛选中的缺陷 | 第22-23页 |
| 第三章 GLASSO在高维缺失数据回归中的应用 | 第23-27页 |
| 3.1 高斯图模型 | 第23-24页 |
| 3.2 高斯图模型在多元线性回归中的应用 | 第24页 |
| 3.3 L_1惩罚似然高斯图模型(GLASSO) | 第24-25页 |
| 3.4 MissGLasso模型 | 第25-27页 |
| 第四章 三种方法的计算步骤及数据模拟试验比较 | 第27-38页 |
| 4.1 计算步骤 | 第27-30页 |
| 4.1.1 低秩矩阵补全填补后筛选方法计算过程 | 第27-28页 |
| 4.1.2 MissGLasso填充方法计算过程 | 第28-30页 |
| 4.1.3 MissGLasso2stage方法计算过程 | 第30页 |
| 4.2 低秩矩阵补全填补方法与MissGLasso方法的数据模拟比较 | 第30-35页 |
| 4.3 对比较结果的分析及三种方法优劣势 | 第35-38页 |
| 4.3.1 MissGLasso填充方法 | 第36-37页 |
| 4.3.2 MissGLasso2stage方法 | 第37页 |
| 4.3.3 低秩矩阵补全填补法 | 第37-38页 |
| 第五章 实证检验 | 第38-41页 |
| 5.1 基因微阵列谱数据 | 第38页 |
| 5.2 基因微阵列谱数据获取 | 第38-39页 |
| 5.3 数据处理及实证结果 | 第39-41页 |
| 第六章 结论与展望 | 第41-45页 |
| 6.1 结论 | 第41-43页 |
| 6.2 展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 学位论文评阅及答辩情况表 | 第50页 |
