石跃勇博士
Yueyong Shi Ph. D.
一、个人简介
石跃勇，副教授，硕士生导师。2008年6月毕业于武汉大学数学基地班专业，获学士学位；2010 年6月毕业于武汉大学概率论与数理统计专业，获硕士学位；2013年6月毕业于武汉大学概率论与数理统计专业，获博士学位；2014年7月入职于中国地质大学（武汉）经济管理学院，从事教学科研工作。研究方向为统计推断与统计计算。
主讲课程：大数据应用、应用多元统计分析、统计计算与软件、现代多元统计
参编教材：徐德义, 李奇明, 李忠武. 基于R的应用统计[M]. 第2版. 北京: 中国统计出版社, 2023.
个人主页: http://grzy.cug.edu.cn/shiyueyong
二、学术成果
主持国家自然科学基金青年项目1项(No.11801531，2019.01-2021.12)，参与国家自然科学基金多项(No.11701571，2018.01-2020.12；No.11501579，2016.01-2018.12；No.11171263，2012.01-2015.12) 。
目前关注高维大数据分析、快速算法、分布式优化计算，发表论文20余篇。
三、期刊论文
（一）科研论文
[1] Cao Y, Kang L, Li X, Liu Y, Luo Y, Shi Y. Newton–Raphson meets sparsity: sparse learning via a novel penalty and a fast solver[J]. IEEE Transactions on Neural Networks and Learning Systems, 2024, 35(9): 12057–12067.
[2] Huang J, Jiao Y, Lu X, Shi Y, Yang Q, Yang Y. PSNA: A pathwise semismooth Newton algorithm for sparse recovery with optimal local convergence and oracle properties[J]. Signal Processing, 2022, 194(108432).
[3] Kang Y, Shi Y, Jiao Y, Li W, Xiang D. Fitting jump additive models[J]. Computational Statistics and Data Analysis, 2021, 162: 107266.
[4] Hu A, Jiao Y, Liu Y, Shi Y, Wu Y. Distributed quantile regression for massive heterogeneous data[J]. Neurocomputing, 2021, 448: 249–262.
[5] Shi Y, Huang J, Jiao Y, Kang Y, Zhang H. Generalized Newton-Raphson algorithm for high dimensional LASSO regression[J]. Statistics and Its Interface, 2021, 14(3): 339–350.
[6] 焦雨领, 刘妍岩, 石跃勇, 徐志斌. 带辅助协变量的相关失效时间数据的加权估计伪部分似然方法[J]. 中国科学 : 数学, 2021, 51(7): 1191–1212.
[7] Shi Y, Huang J, Jiao Y, Yang Q. A semi-smooth Newton algorithm for high-dimensional nonconvex sparse learning[J]. IEEE Transactions on Neural Networks and Learning Systems, 2020, 31(8): 2993–3006.
[8] Cao Y, Shi Y, Yu J. Statistical inference for the accelerated failure time model under two-stage generalized case-cohort design[J]. Communications in Statistics-Theory and Methods, 2019, 48(24): 6063–6079.
[9] Shi Y, Zhou Z, Jiao Y, Wang J. A primal dual active set with continuation algorithm for high-dimensional nonconvex SICA-penalized regression[J]. Journal of Statistical Computation and Simulation, 2019, 89(5): 864–883.
[10] Shi Y, Xu D, Cao Y, Jiao Y. Variable selection via generalized SELO-penalized Cox regression models[J]. Journal of Systems Science and Complexity, 2019, 32(2): 709–736.
[11] 张虎, 曹永秀, 焦雨领, 石跃勇. ℓ⁰ 正则化下衰减信号稀疏恢复的 PDASC 算法[J]. 中国科学: 信息科学, 2019, 49(7): 900–910.
[12] Shi Y, Jiao Y, Cao Y, Liu Y. An alternating direction method of multipliers for MCP-penalized regression with high-dimensional data[J]. Acta Mathematica Sinica, English Series, 2018, 34(12): 1892–1906.
[13] Shi Y, Cao Y, Jiao Y, Yu J. A note on power calculation for generalized case-cohort sampling with accelerated failure time model[J]. Journal of Mathematics, 2018, 38(2): 200–208.
[14] Shi Y, Cao Y, Yu J, Jiao Y. High-dimensional variable selection with the generalized SELO penalty[J]. Journal of Mathematics, 2018, 38(6): 900–998.
[15] Shi Y, Wu Y, Xu D, Jiao Y. An ADMM with continuation algorithm for non-convex SICA-penalized regression in high dimensions[J]. Journal of Statistical Computation and Simulation, 2018, 88(9): 1826–1846.
[16] Shi Y, Cao Y, Yu J, Jiao Y. Variable selection via generalized SELO-penalized linear regression models[J]. Applied Mathematics-A Journal of Chinese Universities, 2018, 33(2): 145–162.
[17] 曹永秀, 焦雨领, 石跃勇, 刘妍岩. Cox比例风险模型中基于SELO惩罚函数的变量选择方法[J]. 中国科学: 数学, 2018, 48(5): 643–660.
[18] Shi Y, Jiao Y, Yan L, Cao Y. A modified BIC tuning parameter selector for SICA-penalized Cox regression models with diverging dimensionality[J]. Journal of Mathematics, 2017, 37(4): 723–730.
[19] Yu J, Shi Y, Yang Q, Liu Y. Additive hazards regression under generalized case-cohort sampling[J]. Acta Mathematica Sinica, English Series, 2014, 30(2): 251–260.
[20] Shi Y, Cao Y, Jiao Y, Liu Y. SICA for Cox’s proportional hazards model with a diverging number of parameters[J]. Acta Mathematicae Applicatae Sinica, English Series, 2014, 30(4): 887–902.
（二）教学论文
[1] 邓世容, 石跃勇. 蒙特卡洛方法在概率论与数理统计教学中的应用[J]. 科教导刊, 2018, 1: 111–112.
[2] 石跃勇, 邓世容, 焦雨领, 徐德义. 原始对偶有效集方法在统计学习教学中的应用[J]. 大学教育, 2019, 5: 101–103.
四、联系方式
联系方式：027-67883201
通讯地址：湖北省武汉市东湖新技术开发区锦程街68号（邮编：430078）
电子邮箱：yueyongshi@cug.edu.cn