不完全数据填充算法的研究与应用
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 课题研究背景及意义 | 第6-7页 |
| 1.2 课题国内外研究现状 | 第7-9页 |
| 1.3 论文主要研究内容 | 第9-10页 |
| 1.4 论文组织结构 | 第10页 |
| 1.5 本章小结 | 第10-11页 |
| 2 相关工作与理论介绍 | 第11-22页 |
| 2.1 深度学习方法概述 | 第11-15页 |
| 2.1.1 深度信念网的概念 | 第11-12页 |
| 2.1.2 深度信念网络的结构原理 | 第12-15页 |
| 2.2 统计估计概述 | 第15-19页 |
| 2.2.1 非参数估计理论 | 第16-18页 |
| 2.2.2 核函数概述 | 第18-19页 |
| 2.3 不完全数据填充算法 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于深度信念网络的不完全数据填充算法 | 第22-37页 |
| 3.1 不完全数据的特征提取算法 | 第22-25页 |
| 3.1.1 数据预处理 | 第22-23页 |
| 3.1.2 降噪的深度信念网络 | 第23-25页 |
| 3.2 相关矩阵和部分距离的权重方法 | 第25-30页 |
| 3.2.1 共现矩阵方法 | 第25-28页 |
| 3.2.2 部分距离策略 | 第28-29页 |
| 3.2.3 加权序列填充方法 | 第29-30页 |
| 3.3 基于深度信念网络的不完全数据填充算法 | 第30-32页 |
| 3.3.1 算法详细描述 | 第30-32页 |
| 3.3.2 时间复杂度分析 | 第32页 |
| 3.4 仿真实验与分析 | 第32-36页 |
| 3.4.1 实验环境 | 第32-33页 |
| 3.4.2 数据来源 | 第33页 |
| 3.4.3 特征提取质量的验证分析 | 第33-34页 |
| 3.4.4 填充准确度的验证分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于多核估计的不完全数据填充算法 | 第37-49页 |
| 4.1 核函数的选择 | 第37页 |
| 4.2 多核核函数的非参数估计模型 | 第37-42页 |
| 4.2.1 离散值估计 | 第38-39页 |
| 4.2.2 连续值估计 | 第39页 |
| 4.2.3 多核迭代填充 | 第39-42页 |
| 4.3 基于多核估计的不完全数据填充算法 | 第42-44页 |
| 4.3.1 算法详细描述 | 第42-44页 |
| 4.3.2 时间复杂度分析 | 第44页 |
| 4.4 仿真实验与分析 | 第44-47页 |
| 4.4.1 实验环境 | 第44页 |
| 4.4.2 实验分析 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 本文算法在美国进出口贸易数据的应用 | 第49-55页 |
| 5.1 应用背景 | 第49-50页 |
| 5.2 关系表设计 | 第50-51页 |
| 5.3 算法适配设计 | 第51-53页 |
| 5.4 应用效果 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-63页 |
