高维数据统计分析方法及应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    11101397
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    23.0万
  • 负责人：
    金百锁
  • 依托单位：
    中国科学技术大学
  • 学科分类：
    A0402.统计推断与统计计算
  • 结题年份：
    2014
  • 批准年份：
    2011
  • 项目状态：
    已结题
  • 起止时间：
    2012-01-01 至2014-12-31

项目摘要

在现代社会，信息量以及应用信息的程度都以几何级数的方式在增长，这些海量信息大多可以表示成高维数据的形式，因此高维数据分析是当今数理统计发展最重要的方向之一。本项目将从三个方面较系统的研究高维数据问题。一是高维情形下回归设计的若干问题，将应用Hadamard矩阵和其他一些矩阵的正交结构寻找最优设计，从而在收集高维数据时既可以包含足够的信息又可以极大地减少人力、物力、成本花费等。二是在收集的高维数据具有稀疏性情况下，应用当前流行的SCAD和MCP等大规模数据模型选择方法，在模型选择的同时对多变点进行更加快速有效的检测。三是当高维数据不具有稀疏性情形下，研究具有相依结构的大维随机矩阵极限谱分布，进而研究由谱分布构成的多元统计量的极限性质，为统计推断奠定基础。本项目还将采用上述方法对金融、环境、地质等领域的高维数据进行应用研究，使得上述理论研究也具有较大的实际应用价值。

结项摘要

在项目执行期间，我们基于立项目的、预期目标和自然科学基金提倡的原则开展研究工作。在科学研究方面：以高维数据分析为主线，研究了最优试验设计、模型选择与变点检测、大维随机矩阵谱分析理论。最优试验设计方面，推广了对数线性混合模型精确D-最优设计问题和基于最大熵的站点网络设计问题。模型选择和变点检测方面，提出了一个新颖的快速的针对非平稳时间序列模型的多变点同时检测和模型选择的方法。算法方面，我们选取一个自适应序列改进了多元线性回归模型的递归M估计，以及具有线性约束的截断多元正态的EM算法。大维随机矩阵理论方面，我们研究了对称自交叉样本协方差矩阵极限谱分布的显示表达式和其最大特征根与最小特征根的极限。论著方面：受项目资助课题组共发表8篇SCI论文，2篇已被接受的SCI论文和1篇中文核心期刊，其中项目申请人为第一作者或通讯作者有7篇。人才培养方面:本项目培养了2名博士生，13名硕士生，其中2名获得博士学位，6名获得硕士学位。

项目成果

期刊论文数量（14）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
原油价格与黄金价格的变点分析
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    中国科学技术大学学报
  • 影响因子：
    --
  • 作者：
    关文韬;金百锁;缪柏其
  • 通讯作者：
    缪柏其
Identity tests for high dimensional data using RMT
使用 RMT 对高维数据进行身份测试
  • DOI：
    10.1016/j.jmva.2013.03.015
  • 发表时间：
    2012-03
  • 期刊：
    Journal of Multivariate Analysis
  • 影响因子：
    1.6
  • 作者：
    Wang Cheng;Yang Jing;Miao Baiqi;Cao Longbing
  • 通讯作者：
    Cao Longbing
Bayesian spatiotemporal modeling for blending in situ observations with satellite precipitation estimates
将现场观测与卫星降水估计相结合的贝叶斯时空模型
  • DOI：
    10.1002/2013jd019648
  • 发表时间：
    2014-02-27
  • 期刊：
    JOURNAL OF GEOPHYSICAL RESEARCH-ATMOSPHERES
  • 影响因子：
    4.4
  • 作者：
    Jin, Baisuo;Wu, Yuehua;Guo, Pengfei
  • 通讯作者：
    Guo, Pengfei
Limiting Spectral Distribution of a Symmetrized Auto-Cross Covariance Matrixbr /
对称自交叉协方差矩阵的极限谱分布
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    Annals of Applied Probability
  • 影响因子：
    1.8
  • 作者：
    Jin, Baisuo;Wang, Chen;Bai, Z. D.;Nair, K. Krishnan;Harding, Matthew
  • 通讯作者：
    Harding, Matthew
Exact D-optimal designs for a linear log contrast model with mixture experiment for three and four ingredients
线性对数对比模型的精确 D 最优设计以及三种和四种成分的混合实验
  • DOI：
    10.1016/j.jspi.2013.01.009
  • 发表时间：
    2013-07
  • 期刊：
    Journal of Statistical Planning and Inference
  • 影响因子：
    0.9
  • 作者：
    Huang, Miao-Kuan;Lo Huang, Mong-Na;Jin, Baisuo
  • 通讯作者：
    Jin, Baisuo

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

日本林火的广义线性模型
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    统计与决策，?2006.7，总218期，50-52
  • 影响因子：
    --
  • 作者：
    田应福;金百锁;缪柏其;宋卫国
  • 通讯作者：
    宋卫国
基于稳健S估计的长江流域气象异常值检测
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    中国科学技术大学学报
  • 影响因子：
    --
  • 作者：
    金百锁;李炽坤
  • 通讯作者：
    李炽坤
逻辑回归模型的Smooth LASSO及Spline LASSO变量选择
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    应用概率统计
  • 影响因子：
    --
  • 作者：
    戴微;金百锁
  • 通讯作者：
    金百锁
线性模型中多变点的置信区间估计
  • DOI：
    --
  • 发表时间：
    2021
  • 期刊：
    系统科学与数学
  • 影响因子：
    --
  • 作者：
    吕丽;金百锁
  • 通讯作者：
    金百锁
基于网络结构的高维协方差矩阵估计
  • DOI：
    10.3969/j.issn.1001-4268.2020.04.002
  • 发表时间：
    2020
  • 期刊：
    应用概率统计
  • 影响因子：
    --
  • 作者：
    王许蓁;金百锁
  • 通讯作者：
    金百锁

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

金百锁的其他基金

社会心理压力和社会风险的影响:聚焦数据和研究方法的中瑞交流
  • 批准号：
    72111530199
  • 批准年份：
    2021
  • 资助金额：
    40 万元
  • 项目类别：
    国际(地区)合作与交流项目
社会心理压力和社会风险的影响：聚焦数据和研究方法的中瑞交流
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    万元
  • 项目类别：
    国际(地区)合作与交流项目
"一带一路"背景下空间网络关键节点的理论建模和应用研究
  • 批准号：
    71873128
  • 批准年份：
    2018
  • 资助金额：
    48.0 万元
  • 项目类别：
    面上项目
高维时空模型理论与应用研究
  • 批准号：
    11571337
  • 批准年份：
    2015
  • 资助金额：
    50.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码