应用数学学报

作者：潘莹丽, 赵晓洛, 刘展

单位：北大学数学与统计学学院, 应用数学湖北省重点实验室, 武汉 430062

关键词：高维数据,稀疏Huber回归,图形结构

随着高科技的快速发展，高维数据的涌入给现有的统计方法和理论带来新的挑战. Huber 回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法.现有的 Huber 回归方法，用相同的先验同等地对待所有预测因子. 本文利用预测器之间的图形结构来提高稀疏 Huber 回归中参数估计、模型选择和预测的性能. 为了克服求解带有图形结构的 Huber 回归的困难，提出一种基于线性化技术的修正的交替方向乘子法(ADMM 算法). 模拟和实证研究结果表明: 在预测器间结合图形结构的 Huber 回归方法在估计精度和预测性能上优于不加图形结构的自适应Lasso惩罚的Huber回归.

来源：2026年第2期

《应用数学学报》期刊编辑部

查看应用数学学报杂志2026年第2期