基于递归滤波算法的非线性状态空间模型的统计推断
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·状态空间模型概述 | 第7-8页 |
| ·状态空间模型的应用现状 | 第8-13页 |
| ·本文的主要工作和内容安排 | 第13-15页 |
| ·主要工作 | 第13-14页 |
| ·内容安排 | 第14-15页 |
| 第二章 基本模型的数学形式及相关算法 | 第15-25页 |
| ·状态空间模型 | 第15-20页 |
| ·数学形式 | 第15-16页 |
| ·卡尔曼滤波算法 | 第16-19页 |
| ·非线性情形 | 第19-20页 |
| ·混合效应模型 | 第20-24页 |
| ·数学形式 | 第20-21页 |
| ·两阶段方法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 序贯蒙特卡洛方法概述 | 第25-35页 |
| ·蒙特卡洛方法与抽样 | 第25-26页 |
| ·重点抽样的基本思想 | 第26-28页 |
| ·序贯蒙特卡洛方法 | 第28-30页 |
| ·边际化方法 | 第30-32页 |
| ·Rao-Blackwellization | 第30-31页 |
| ·重点抽样中的边际化方法 | 第31-32页 |
| ·两个应用实例 | 第32-34页 |
| ·观测数据似然函数值的计算 | 第32-33页 |
| ·线性状态空间模型中状态变量的最优在线估计 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 模型建立 | 第35-37页 |
| ·经典微分方程模型 | 第35页 |
| ·混合效应状态空间模型 | 第35-37页 |
| 第五章 状态变量估计 | 第37-43页 |
| ·个体状态估计 | 第37-39页 |
| ·总体状态估计 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第六章 参数估计 | 第43-47页 |
| ·个体参数估计 | 第43-45页 |
| ·总体参数估计 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第七章 模拟实例 | 第47-57页 |
| ·状态预测 | 第47-50页 |
| ·个体状态预测 | 第48-49页 |
| ·总体状态预测 | 第49-50页 |
| ·参数估计 | 第50-52页 |
| ·个体参数估计 | 第50-52页 |
| ·总体参数估计 | 第52页 |
| ·增殖函数 h(T)≠0的情形 | 第52-54页 |
| ·临床实践中的应用 | 第54页 |
| ·本章小结 | 第54-57页 |
| 结束语 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者在读期间的研究成果 | 第65-66页 |
