姓名：潘莹丽

出生年月：1987年12月

学位：博士

研究方向：

•  生物统计：基因检测，个体化治疗效应，流行病诊断与预测.

• 大数据分析方法：分布式计算，模型平均，分布式计算.

• 抽样技术：网络调查样本的推断.

联系方式：ylpan@hubu.edu.cn

教育经历：

• 2014-09 至 2018-06，华中科技大学，统计学，博士.

• 2011-09 至 2014-06，华中师范大学，概率论与数理统计，硕士.

• 2007-09 至 2011-06，河南师范大学，信息与计算科学，学士.

工作经历：

2018.07-至今，湖北大学，数学与统计学学院.

近年来已发表的论文：

在《中国科学：数学》、《数理统计与管理》、《应用数学学报》、《Computational Statistics&Data Analysis》、《Journal of the Korean Statistical Society》、《Computational Statistics》等国内外期刊已发表高水平学术论文40余篇。代表性成果如下：

•潘莹丽,王昊宇,黄祎婧,等.基于带有缺失协变量的分位数回归模型的分布式优化方法研究[J/OL].系统科学与数学,1-22[2025-05-26].

•潘莹丽等.基于投影相关的超高维生存数据的特征筛选新方法[J].中国科学:数学,2024,54(2):211-230.

•Pan Yingli, Xu Kaidong, Wei Sha, Wang Xiaojuan, Liu Zhan. Efficient distributed optimization for large-scale high-dimensional sparse penalized Huber regression[J]. Communications in Statistics-Simulation and Computation, 2024, 53(7):3106–3125.

•潘莹丽等.带有污染协变量和辅助生存信息的Cox模型的改进估计方法研究[J].应用概率统计,2023,39(03):394-412.

•Pan Yingli, Liu Zhan, Song Guangyu. Weighted expectile regression with covariates missing at random[J]. Communications in Statistics-Simulation and Computation, 2023, 52(3): 1057-1076.

•Pan Yingli, Zhao Xiaoluo, Wei Sha, Liu Zhan. High-dimensional expectile regression incorporating graphical structure among predictors[J]. Journal of Statistical Computation and Simulation, 2023, 93(2): 231-248.

•Pan Yingli, Liu Zhan, Song Guangyu, et al. Case-cohort and inference for the proportional hazards model with covariate adjustment[J]. Communications in Statistics-Theory and Methods, 2023, 52(13): 4379-4399.

•Pan Yingli. Feature screening and FDR control with knock-off features for ultrahigh-dimensional right-censored data[J]. Computational Statistics & Data Analysis, 2022, 173:107504.

•Pan Yingli, Cai Wen, Liu Zhan. Inference for non-probability samples under high dimensional covariate adjusted superpopulation model[J]. Statistical Methods & Applications, 2022, 31(4)：955-979.

•潘莹丽,刘展,闫玲玲.基于大规模高维线性回归模型的分布式计算方法研究[J].应用数学学报,2022,45(03):339-354.

•潘莹丽,刘展,朱千惠子.大数据背景下基于Huber回归模型的分布式优化方法研究[J].数理统计与管理，2022,41(04):633-646.

•Pan Yingli. Distributed optimization and statistical learning for large-scale penalized expectile regression[J]. Journal of the Korean Statistical Society, 2021, 50(1): 290-314.

•Pan Yingli, Liu Zhan, Song Guangyu. Outlier detection under a covariate-adjusted exponential regression model with censored data[J]. Computational Statistics, 2021, 36(2): 961-976.

近年来主持的科研项目：

•国家社会科学基金项目：基于迁移学习的网络调查样本推断及应用研究, 2024--2027, 20万元.

•国家自然科学基金项目：基于尾期望回归模型的优化方法，2020--2023, 21万元.

•广西机器视觉与智能控制重点实验室：大规模医疗数据的特征筛选及FDR控制研究，2024--2025, 5万元.

•科技大数据湖北省重点实验室：基于多源异构禽流感数据的Fused Lasso集成方法，2023--2024, 2万元.

•湖北省教育厅中青年人才项目：超高维生存数据中变量筛选方法和FDR控制研究，2021--2022, 2万元.

•湖北省重点实验室开放课题基金项目：大数据背景下基于Huber回归的优化方法研究，2020--2021, 2万元.

教学实践：

•2023--2024年，指导学生参加正大杯全国大学生市场调查大赛，荣获国家一等奖1项，国家三等奖3项.

•2022--2023年，主持湖北大学应用统计专业学位研究生案例库建设项目1项.

•2022--2023年，主持湖北大学校级研究生教育教学改革项目1项.

•2020--2021年，指导学生参加美国大学生数学建模竞赛，获国际一等奖1项.

•2019--2020年，指导学生参加创新创业训练计划项目大赛，获省级立项1项.