来源：期刊VIP网 时间：
作者：闫彤;刘祎;
单位：中国海洋大学数学科学学院;
摘要：文章首先针对超高维数据建立了新的边际筛选方法（FMAS-SIS）。该方法采用切片-融合技术，将连续变量切片转化为离散变量，并对不同切片方案进行融合，可以有效地处理分类、离散、连续的响应变量；其次，在一定的正则性条件下，证明了该方法的确定筛选性和排序一致性；最后，基于数值模拟和实际案例，将所提方法与其他筛选方法进行比较，展示了所提方法的有限样本性能。综合来看，FMAS-SIS具有以下优势：第一，该方法是一种非参数特征筛选方法，不依赖于模型假设；第二，只涉及条件分布函数的经验估计，计算简单、易于实现；第三，即使预测变量、随机误差是重尾的，或预测变量是强相关的，或存在异常值，依然具有优良的筛选性能；第四，对切片方案不敏感。
关键词：超高维数据;;特征筛选;;切片-融合技术;;确定筛选性
基金资助：国家自然科学基金资助项目（11801567）;; 山东省自然科学基金资助项目（ZR2024QA018）
