缺失数据下超高维可加分位回归的变量筛选和选择

针对存在缺失数据的超高维可加分位回归模型,本文提出一种有效的变量筛选方法.具体而言,将典型相关分析的思想引入到最优变换的最大相关系数,通过协变量和模型残差最优变换后的最大相关系数重要变量的边际贡献进行排序,从而进行变量筛选.然后,在筛选的基础上,利用稀疏光滑惩罚进一步做变量选择.所提变量筛选方法有三点优势:(1)基于最优变换的最大相关可以更全面的反映响应变量对协变量的非线性依赖结构;(2)在迭代过程中利用残差可以获取模型的相关信息,从而提高变量筛选的准确度;(3)变量筛选过程和模型估计分开,可以避免对冗余协变量的回归.在适当的条件下,证明了变量筛选方法的确定性独立筛选性质以及稀疏光滑惩罚下估计量的稀疏性和相合性.同时,通过蒙特卡罗模拟给出了所提方法的表现并通过一组小鼠基因数据说明了所提方法的有效性.

L环境模拟实验室质量体系评价指标研究

空间科技作为前沿性、创新性、挑战性、引领性极强的战略科技领域,将在国家创新驱动发展的进程中发挥越来越重要的作用.环境模拟实验室作为空间科技保障的核心,为航天器的整套任务过程中需要经历的地面环境、力学环境、空间环境等各个环节的考验进行环境模拟试验,在航天器发射前检测其可靠性,是每个航天器所必需的重要环节,而环境模拟实验室能力评判的关键则是实验室的质量体系.质量体系是实验室开展工作的基础,是国家认证认可监督管理委员会考核实验室能力的重要指标,是衡量实验室水平高低的关键性依据.本文是通过研究国内外实验室质量体系评价的现状,发现实验室质量体系评价的问题,进而以L环境模拟实验室为依据,构建L环境模拟实验室质量体系评价指标,运用因子分析的方法建立L环境模拟实验室质量体系评价模型,从而对实验室的质量体系进行评价.运用此模型,可以进行行业内的实验室间的比对,在行业内对自身实验室进行定位,比较了解自身实验室的优势与不足,从而进行改进以提高实验室的整体能力.也可以对实验室的各个环节进行评价,发现不足,及时弥补,为空间科技提供强有力的质量保障.