稀疏数据因其高维低样本特性在特征提取与可靠性分析中存在诸多挑战。本文提出一种基于Bootstrap方法的分析框架，利用重复抽样提升特征选择的稳定性，并结合Weibull分布模型对故障参数进行置信区间估计。实验以工业设备监测数据为例，验证了该方法在变量筛选、参数估计和预测性能方面优于传统方法。结果表明，Bootstrap方法具备较强的适应性与稳健性，适用于复杂稀疏场景下的数据建模任务，具有较高的应用价值。

稀疏数据；Bootstrap方法；特征提取；可靠性分析；Weibull分布

[1]张延欣,孙舒曼,唐加山.基于Bootstrap方法的多组配对数据风险差的一致性检验[J].江苏师范大学学报(自然科学版),2024,42(2):42-47.

[2]舒苏荀,张东升,潘天久,等.小样本条件下基于Bootstrap方法的边坡非概率可靠度分析[J].土木工程与管理学报,2023,40(3):96-103.

[3]杜微晓.偏正态非平衡面板单因素随机效应模型的Bootstrap推断及应用[D].杭州：杭州电子科技大学,2023.

[4]雷天纲,陈刚.基于Bootstrap方法最大熵优化过采样算法[J].数据采集与处理,2023,38(3):727-740.

[5]罗凯靖,张育铭,何玉林,等.Bootstrap样本大数据模型和分布式集成学习方法[J].大数据,2024,10(3):93-108.