| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·回归分析的研究背景与意义 | 第8页 |
| ·经典回归分析方法 | 第8-10页 |
| ·经典回归分析概述 | 第8-9页 |
| ·经典回归分析的缺陷 | 第9-10页 |
| ·贝叶斯方法 | 第10-13页 |
| ·课题应用背景 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 基于特征选择的高斯过程回归模型 | 第16-26页 |
| ·引言 | 第16页 |
| ·高斯过程回归模型 | 第16-19页 |
| ·高斯过程回归模型原理 | 第16-17页 |
| ·核函数 | 第17-19页 |
| ·基于互信息的特征选择 | 第19-21页 |
| ·互信息概述 | 第19-20页 |
| ·t检验法概述 | 第20-21页 |
| ·台风最大风速预测模型 | 第21-23页 |
| ·输入变量的处理 | 第21-23页 |
| ·模型设置 | 第23页 |
| ·仿真结果分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于改进模糊C-均值聚类的稀疏贝叶斯混合模型 | 第26-37页 |
| ·引言 | 第26页 |
| ·混合建模概述 | 第26-27页 |
| ·改进的模糊C-均值聚类算法 | 第27-31页 |
| ·模糊C-均值聚类算法 | 第28页 |
| ·遗传算法 | 第28-29页 |
| ·模拟退火算法 | 第29-30页 |
| ·改进后的聚类算法 | 第30-31页 |
| ·稀疏贝叶斯回归模型 | 第31-33页 |
| ·稀疏贝叶斯回归原理 | 第31-32页 |
| ·基于证据近似进行超参数的设置 | 第32-33页 |
| ·仿真结果分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于仿射传播聚类的稀疏贝叶斯混合模型 | 第37-42页 |
| ·引言 | 第37页 |
| ·仿射传播聚类算法 | 第37-38页 |
| ·仿真结果分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于概率主成分分析的遗失数据重构模型 | 第42-50页 |
| ·引言 | 第42页 |
| ·概率主成分分析原理 | 第42页 |
| ·无遗失数据时的传统极大似然估计法 | 第42-43页 |
| ·最大期望算法 | 第43-45页 |
| ·无遗失数据时的EM推导法 | 第44页 |
| ·有遗失数据时的EM推导法 | 第44-45页 |
| ·遗失数据重构法 | 第45页 |
| ·仿真结果分析 | 第45-49页 |
| ·实验处理 | 第45-48页 |
| ·实验评价 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 主要结论与展望 | 第50-52页 |
| 主要结论 | 第50-51页 |
| 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第56页 |