摘要：变量筛选是超高维数据分析的基础,MV-SIS和AD-SIS是超高维判别分类问题中的两种有效的稳健的特征筛选方法.然而,和其它边际筛选方法一样,忽略了变量间可能存在的强相关性,可能漏选重要变量或者错选不重要的变量.为提高MV-SIS(AD-SIS)在上述情况下的变量筛选效果,基于MV-SIS(AD-SIS)提出了两种有效的稳健的迭代变量筛选方法MV-ISIS(AD-ISIS),并通过蒙特卡罗模拟,研究这两种方法在超高维判别分析问题中的效果.数值模拟结果表明,新的迭代特征筛选方法MV-ISIS(AD-ISIS)能大幅提高MV-SIS(AD-SIS)的变量筛选效果.