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。

　　《生存分析中基于惩罚似然的若干变量选择问题研究》面向高维数据分析前沿，旨在探求提取高维数据有效信息的解决方案，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。
　　《生存分析中基于惩罚似然的若干变量选择问题研究》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。

第一章 Cox模型和变量选择问题简介
1．1 生存数据简介
1．2 Cox模型
1．3 Cox模型框架下的变量选择方法
1．4 Cox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
1．6 tuning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 group Bridge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
2．2 group Bridge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SEI。o惩罚函数的变量选择问题
3．1 引言
3．2 cox比例风险模型下的变量选择
3．3 tuning参数的选择
3．4 算法设计
3．5 数值模拟、实证分析

第四章 Cox模型框架下的半参数回归
4．1 引言
4．2 cox模型框架下以组变量选择为目的的半参数回归
4．3 主要理论结果
4．4 数值模拟
主要参考文献
附录
附录一 本书中相关理论结果的证明
附录二 本书中所用到的数据集