本书面向高维数据分析前沿，旨在探求提取高维数据有效信息解决方案，系统地介绍了作者在该领域的主要研究成果，内容包括基于group Bridge惩罚的惩罚很小二乘的计算问题，针对于高维右删失型生存数据，在Cox比例风险模型框架下考虑了基于SELO惩罚函数的变量选择，并利用组变量选择方法解决了Cox模型识别问题。
本书可作为高维数据、生存分析相关领域的参考资料。书中所提供的计算方法亦可为相关从业人员提供参考。
章 Cox模型和变量选择问题简介
1.1生存数据简介
1.2Cox模型
1.3Cox模型框架下的变量选择方法
1.4Cox模型中成组数据的组选择方法
1.5基于惩罚函数的双层变量选择问题
1.6tuning参数选择
1.7相关优化理论
1.8惩罚估计的计算问题
第二章 groupBridge惩罚最小二乘问题中基于下界的光滑化拟牛顿算法
2.1引言
2.2groupBridge惩罚解中非零组的回归系数的组范数的下界
2.3基于非零组组系数下界的光滑化拟牛顿算法（LSQN）
2.4模拟计算
第三章 Cox比例风险模型中基于SELO惩罚函数的变量选择问题
3.1引言
3.2Cox比例风险模型下的变量选择
……
曹永秀，女，1985年9月生于山东冠县。毕业于武汉大学概率论与数理统计专业，理学博士。现就职于中南财经政法大学统计与数学学院数学与数量经济系，主要从事高维数据分析、生存分析的研究。2017年获得国家自然科学基金青年项目。目前在靠前外统计学主流杂志上发表学术论文多篇。
