| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 课题研究背景和意义 | 第12-13页 |
| 1.2 国内外相关研究状况 | 第13-20页 |
| 1.2.1 贝叶斯网络模型 | 第13-16页 |
| 1.2.2 学习与推理 | 第16-18页 |
| 1.2.3 变分贝叶斯方法 | 第18-20页 |
| 1.3 论文研究动机与内容安排 | 第20-23页 |
| 第2章 贝叶斯估计理论基础 | 第23-44页 |
| 2.1 贝叶斯统计推理 | 第23-25页 |
| 2.1.1 贝叶斯定理 | 第23页 |
| 2.1.2 极大似然法 | 第23-24页 |
| 2.1.3 最大后验法 | 第24页 |
| 2.1.4 期望最大算法 | 第24-25页 |
| 2.2 变分贝叶斯 | 第25-34页 |
| 2.2.1 变分学 | 第25-26页 |
| 2.2.2 变分贝叶斯原理 | 第26-28页 |
| 2.2.3 变分贝叶斯推导 | 第28-31页 |
| 2.2.4 变分贝叶斯与期望最大 | 第31-32页 |
| 2.2.5 简单示例仿真分析 | 第32-34页 |
| 2.3 序贯贝叶斯估计 | 第34-43页 |
| 2.3.1 状态空间模型 | 第34-36页 |
| 2.3.2 贝叶斯最优滤波 | 第36-37页 |
| 2.3.3 卡尔曼滤波 | 第37-40页 |
| 2.3.4 粒子滤波 | 第40-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第3章 混合模型学习与推理研究 | 第44-66页 |
| 3.1 混合Gaussian模型 | 第44-46页 |
| 3.2 混合Gaussian模型的VB学习与推理 | 第46-58页 |
| 3.2.1 VB推理与参数学习 | 第46-51页 |
| 3.2.2 VB结构学习 | 第51-55页 |
| 3.2.3 仿真实验 | 第55-58页 |
| 3.3 改进的混合Gaussian模型VB学习与推理 | 第58-65页 |
| 3.3.1 改进动机 | 第58-59页 |
| 3.3.2 方法设计 | 第59-63页 |
| 3.3.3 仿真实验 | 第63-65页 |
| 3.4 本章小结 | 第65-66页 |
| 第4章 Gaussian状态空间模型学习与推理研究 | 第66-94页 |
| 4.1 非线性观测下噪声自适应算法 | 第66-75页 |
| 4.1.1 问题描述 | 第66-67页 |
| 4.1.2 VB非线性自适应滤波设计 | 第67-73页 |
| 4.1.3 仿真实验 | 第73-75页 |
| 4.2 时变有色噪声下自适应算法 | 第75-82页 |
| 4.2.1 建模分析 | 第75-77页 |
| 4.2.2 有色噪声VB自适应滤波设计 | 第77-79页 |
| 4.2.3 仿真实验 | 第79-82页 |
| 4.3 带非零均值的过程与观测噪声自适应算法 | 第82-93页 |
| 4.3.1 研究现状 | 第82-83页 |
| 4.3.2 模型建立 | 第83-84页 |
| 4.3.3 VB自适应滤波设计 | 第84-88页 |
| 4.3.4 仿真实验 | 第88-93页 |
| 4.4 本章小结 | 第93-94页 |
| 第5章 非Gaussian状态空间模型学习与推理研究 | 第94-117页 |
| 5.1 鲁棒化模型建立 | 第94-95页 |
| 5.2 鲁棒边缘粒子滤波算法 | 第95-105页 |
| 5.2.1 问题描述 | 第95-97页 |
| 5.2.2 边缘化粒子滤波 | 第97-98页 |
| 5.2.3 VB充分统计量算法设计 | 第98-100页 |
| 5.2.4 算法分析 | 第100-101页 |
| 5.2.5 仿真实验 | 第101-105页 |
| 5.3 鲁棒交互式多模型算法 | 第105-115页 |
| 5.3.1 研究现状 | 第105-106页 |
| 5.3.2 模型建立 | 第106-107页 |
| 5.3.3 VB非Gaussian交互式多模型算法设计 | 第107-111页 |
| 5.3.4 仿真实验 | 第111-115页 |
| 5.4 本章小结 | 第115-117页 |
| 第6章 复杂贝叶斯网络模型学习与推理研究 | 第117-140页 |
| 6.1 无限Student-t分布混合离线推理算法 | 第117-131页 |
| 6.1.1 现存问题 | 第117-118页 |
| 6.1.2 模型建立 | 第118-120页 |
| 6.1.3 算法设计 | 第120-127页 |
| 6.1.4 仿真实验 | 第127-131页 |
| 6.2 Gaussian和变分滤波算法 | 第131-139页 |
| 6.2.1 问题描述 | 第131-133页 |
| 6.2.2 算法设计 | 第133-136页 |
| 6.2.3 仿真实验 | 第136-139页 |
| 6.3 本章小结 | 第139-140页 |
| 结论 | 第140-143页 |
| 参考文献 | 第143-153页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第153-154页 |
| 致谢 | 第154页 |
