| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 致谢 | 第12-18页 |
| 第一章 绪论 | 第18-37页 |
| ·混沌的起源与本质 | 第18-21页 |
| ·混沌时间序列降噪及预测研究意义 | 第21-22页 |
| ·混沌时间序列研究现状 | 第22-29页 |
| ·降噪方法研究现状 | 第22-24页 |
| ·预测方法研究现状 | 第24-29页 |
| ·贝叶斯研究现状 | 第29-32页 |
| ·本文的主要工作及内容安排 | 第32-34页 |
| ·本文的主要工作 | 第32-33页 |
| ·本文的内容安排 | 第33-34页 |
| ·混沌时间序列的相空间重构理论 | 第34-35页 |
| ·仿真实验说明 | 第35-37页 |
| 第二章 混沌序列的隐马尔可夫树贝叶斯模型降噪 | 第37-54页 |
| ·小波域隐马尔可夫树模型 | 第38-40页 |
| ·对偶树复小波域隐马尔可夫树模型(DTCWT-HMT) | 第40-43页 |
| ·模型描述 | 第40页 |
| ·模型训练 | 第40-43页 |
| ·单棵树E步算法 | 第41-43页 |
| ·多棵树EM算法 | 第43页 |
| ·基于DTCWT-HMT模型的混沌序列贝叶斯降噪算法 | 第43-45页 |
| ·仿真实例 | 第45-53页 |
| ·Lorenz混沌时间序列 | 第45-52页 |
| ·远红外激光器产生的混沌序列 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第三章 混沌序列的分层贝叶斯RBF神经网络预测 | 第54-73页 |
| ·RBF神经网络模型 | 第55-56页 |
| ·分层贝叶斯算法 | 第56-61页 |
| ·先验概率分布 | 第57-59页 |
| ·后验概率分布 | 第59-61页 |
| ·估计和推断 | 第61页 |
| ·可逆跳跃MCMC算法的实现过程 | 第61-66页 |
| ·‘生'和‘灭'过程 | 第63-64页 |
| ·分裂和合成过程 | 第64-65页 |
| ·径向基函数中心的更新 | 第65-66页 |
| ·参数抽样 | 第66页 |
| ·混沌序列的相空间域分层贝叶斯RBF神经网络预测模型 | 第66-67页 |
| ·仿真实验 | 第67-72页 |
| ·Lorenz混沌时间序列 | 第67-70页 |
| ·Mackey-Glass混沌时间序列 | 第70-72页 |
| ·小结 | 第72-73页 |
| 第四章 混沌序列的变分贝叶斯线性回归预测 | 第73-85页 |
| ·变分贝叶斯理论 | 第74-75页 |
| ·相空间域变分贝叶斯线性回归预测模型 | 第75-79页 |
| ·仿真实例 | 第79-84页 |
| ·Lorenz混沌时间序列 | 第79-82页 |
| ·Mackey-Glass混沌时间序列 | 第82-84页 |
| ·小结 | 第84-85页 |
| 第五章 混沌序列的Kriging模型预测 | 第85-97页 |
| ·Kriging模型的基本原理 | 第86页 |
| ·kriging预测模型 | 第86-90页 |
| ·回归模型 | 第89页 |
| ·相关模型 | 第89-90页 |
| ·混沌序列的相空间域Kriging预测模型 | 第90页 |
| ·仿真实例 | 第90-96页 |
| ·Lorenz混沌时间序列 | 第90-93页 |
| ·Mackey-Glass混沌时间序列 | 第93-96页 |
| ·小结 | 第96-97页 |
| 第六章 混沌序列的变分贝叶斯Kriging预测 | 第97-109页 |
| ·相空间域变分贝叶斯Kriging模型的基本原理 | 第98页 |
| ·回归系数的估计 | 第98-101页 |
| ·随机项的估计 | 第101-102页 |
| ·仿真实例 | 第102-108页 |
| ·Lorenz混沌时间序列 | 第102-105页 |
| ·Mackey-Glass混沌时间序列 | 第105-108页 |
| ·小结 | 第108-109页 |
| 第七章 总结与展望 | 第109-111页 |
| ·本文工作总结 | 第109-110页 |
| ·今后研究工作展望 | 第110-111页 |
| 参考文献 | 第111-122页 |
| 攻读博士学位期间完成的论文 | 第122页 |
