大规模动态高斯马尔科夫过程的参数估计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景与研究意义 | 第9-11页 |
| 1.2 研究内容与创新 | 第11-12页 |
| 1.3 结构安排 | 第12-13页 |
| 第二章 大规模空时信号图结构建模与参数估计 | 第13-29页 |
| 2.1 引言 | 第13-14页 |
| 2.2 空时信号与图模型 | 第14-16页 |
| 2.3 空时信号图建模 | 第16-18页 |
| 2.3.1 因子模型 | 第16-17页 |
| 2.3.2 因果图过程模型 | 第17页 |
| 2.3.3 一阶高斯马尔科夫线性动态模型 | 第17-18页 |
| 2.4 图结构参数估计方法 | 第18-28页 |
| 2.4.1 高斯图结构学习 | 第21-23页 |
| 2.4.2 因果图结构学习 | 第23-24页 |
| 2.4.3 稀疏惩罚方法 | 第24-27页 |
| 2.4.4 模型选择方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 大规模空时信号联合正则图结构估计 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 联合正则图结构估计 | 第30-43页 |
| 3.2.1 联合图模型与学习 | 第31-32页 |
| 3.2.2 分组阈值q稀疏惩罚 | 第32-33页 |
| 3.2.3 收敛性分析 | 第33-36页 |
| 3.2.4 参数调整 | 第36-38页 |
| 3.2.5 数值分析与仿真 | 第38-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第四章 大规模空时信号结构的聚类算法 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 聚类算法 | 第45-48页 |
| 4.2.1 谱聚类 | 第46页 |
| 4.2.2 聚类数K的确定 | 第46-48页 |
| 4.3 联合图结构分解与精准估计 | 第48-49页 |
| 4.4 数值分析 | 第49-54页 |
| 4.4.1 仿真分析 | 第49-53页 |
| 4.4.2 真实数据的应用 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 大规模空时信号结构的稀疏自适应估计 | 第55-67页 |
| 5.1 迭代最小二乘方法 | 第55-58页 |
| 5.2 稀疏自适应估计 | 第58-60页 |
| 5.3 数值分析 | 第60-65页 |
| 5.3.1 仿真分析 | 第60-62页 |
| 5.3.2 真实数据应用 | 第62-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 全文总结 | 第67-69页 |
| 6.1 本文研究内容与创新 | 第67-68页 |
| 6.2 未来工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表论文目录 | 第75页 |
