• 随着信息技术的飞速发展，海量数据的涌现使得数据维度（变量个数）往往远大于样本量，这一现象被称为“维数灾难”。高维统计推断致力于解决这一核心挑战，通过构建正则化方法、变量筛选技术以及降维算法，在稀疏性假设下实现对关键特征的精准识别与模型估计。该领域不仅关注预测的准确性，更强调统计推断的严谨性，包括模型选择的一致性（Oracle 性质）、参数的置信区间以及假设检验的有效性。高维统计推断在基因组学、生物医学、金融风险管理及大规模机器学习等前沿领域发挥着至关重要的作用。

• 本研究团队致力于该领域的理论创新与应用探索，力求为理解复杂系统中的深层结构与模式提供坚实的理论支撑。

核心团队成员：潘建新，叶华军，梁家卷，彭小令，贺平，李琼，马绰欣，周新凯，周敏