广义高斯分布及其在稀疏表示中的应用研究
| 作者简介 | 第1-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-16页 |
| 第一章 绪论 | 第16-21页 |
| §1.1 引言 | 第16页 |
| §1.2 研究现状及存在的主要问题 | 第16-19页 |
| §1.3 本文的主要研究工作 | 第19-21页 |
| 第二章 广义高斯分布及其基本性质 | 第21-27页 |
| §2.1 广义高斯分布及其高阶累积量 | 第21-24页 |
| ·高阶累积量的定义 | 第22-23页 |
| ·高阶累积量的性质 | 第23-24页 |
| ·广义高斯随机过程的高阶累计量 | 第24页 |
| §2.2 独立的广义高斯随机变量和的性质 | 第24-26页 |
| ·独立的广义高斯随机变量和的性质 | 第24-25页 |
| ·独立同分布的广义高斯随机变量和的性质 | 第25-26页 |
| §2.3 本章小结 | 第26-27页 |
| 第三章 广义高斯分布形状参数估计方法及其性质 | 第27-37页 |
| §3.1 广义高斯形状参数估计方法 | 第27-34页 |
| ·矩估计法 | 第28页 |
| ·MLE法 | 第28-29页 |
| ·Mallat's ratio方法 | 第29-30页 |
| ·峰度广义高斯比方法 | 第30页 |
| ·基于信息熵的参数估计方法 | 第30-32页 |
| ·全局收敛方法(GCM) | 第32页 |
| ·估计方法分析与比较 | 第32-33页 |
| ·参数估计方法的选择 | 第33-34页 |
| §3.2 矩估计方法的强收敛性质 | 第34-36页 |
| §3.3 本章小结 | 第36-37页 |
| 第四章 基于广义高斯函数的信号稀疏分解 | 第37-50页 |
| §4.1 信号稀疏分解的基本理论 | 第37-41页 |
| ·常用的超完备原子库 | 第37-38页 |
| ·稀疏分解算法 | 第38-40页 |
| ·MP的快速算法介绍 | 第40-41页 |
| §4.2 基于广义高斯函数的信号稀疏分解算法 | 第41-44页 |
| ·广义高斯函数(原子) | 第41-42页 |
| ·基于广义高斯函数的稀疏分解算法 | 第42-44页 |
| §4.3 实验与分析 | 第44-49页 |
| ·评价准则 | 第44页 |
| ·仿真实验 | 第44-49页 |
| §4.4 本章小结 | 第49-50页 |
| 第五章 基于广义高斯支持向量核函数的信号回归 | 第50-64页 |
| §5.1 SVM的基本理论 | 第50-54页 |
| ·统计学习理论的基础知识 | 第50-52页 |
| ·SVM的回归算法 | 第52-54页 |
| ·基于广义高斯支持核函数的信号稀疏分解 | 第54-58页 |
| ·广义高斯核函数 | 第54-55页 |
| ·广义高斯支持向量核函数 | 第55-57页 |
| ·基于广义高斯支持向量核函数的信号回归算法 | 第57-58页 |
| §5.3 实验与分析 | 第58-63页 |
| ·评价准则 | 第58页 |
| ·参数设置 | 第58页 |
| ·仿真实验 | 第58-63页 |
| §5.4 本章小结 | 第63-64页 |
| 第六章 基于广义高斯核密度的密度函数估计 | 第64-74页 |
| §6.1 基于Parzen窗的核密度估计方法 | 第64-67页 |
| §6.2 基于广义高斯核密度的密度函数估计 | 第67-70页 |
| ·核密度估计的基本理论和方法 | 第67-68页 |
| ·基于广义高斯核密度的密度函数估计方法 | 第68-70页 |
| §6.3 实验及分析 | 第70-73页 |
| §6.4 本章小结 | 第73-74页 |
| 第七章 总结与讨论 | 第74-76页 |
| §7.1 论文主要工作总结 | 第74页 |
| §7.2 论文的主要创新点 | 第74-75页 |
| §7.3 进一步的研究工作 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
