| 第一章 引言 | 第1-12页 |
| ·研究意义 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文研究综述 | 第10-12页 |
| 第二章 线性高斯状态空间模型及其Kalman滤子和平滑 | 第12-27页 |
| ·线性高斯状态空间模型 | 第12-16页 |
| ·模型及假设 | 第12页 |
| ·常见模型的状态空间结构 | 第12-16页 |
| ·Kalman滤子及平滑 | 第16-20页 |
| ·Kalman滤子及滤子方程 | 第16-18页 |
| ·平滑 | 第18-20页 |
| ·精确初始化Kalman滤子及平滑 | 第20-23页 |
| ·初始假设及扩散 | 第20-21页 |
| ·精确初始化Kalman滤子及平滑 | 第21-22页 |
| ·精确初始化Kalman滤子的迭代规律 | 第22-23页 |
| ·扩大的Kalman滤子及平滑 | 第23-27页 |
| ·初始状态假设 | 第23页 |
| ·初始扩散的两种处理及相应扩大的Kalman滤子 | 第23-25页 |
| ·扩大的Kalman滤子迭代的中断与补救 | 第25-26页 |
| ·扩大的Kalman平滑 | 第26-27页 |
| 第三章 含时变矩阵的线性高斯状态空间模型估计及预测 | 第27-44页 |
| ·含时变矩阵的线性高斯状态空间模型及其Kalman滤子和平滑 | 第27页 |
| ·模型及其假设 | 第27页 |
| ·Kalman滤子和平滑 | 第27页 |
| ·含时变矩阵的线性高斯状态空间模型估计及检验 | 第27-35页 |
| ·模型识别的概念 | 第28页 |
| ·基于Kalman滤子表示的极大似然函数 | 第28-31页 |
| ·极大似然估计与EM算法 | 第31-33页 |
| ·基于Kalman滤子及平滑的模型诊断 | 第33-35页 |
| ·初始扩散情形下含外生解释变量系数随时间变化回归模型的估计与预测 | 第35-44页 |
| ·基于精确初始化Kalman滤子的估计与预测 | 第35-40页 |
| ·基于扩大的Kalman滤子的模型估计与预测 | 第40-44页 |
| 第四章 非高斯、非线性状态空间模型及其估计与预测 | 第44-61页 |
| ·非高斯、非线性状态空间模型 | 第44-45页 |
| ·含时变矩阵的非高斯模型的线性化及基于线性化模型的估计与预测 | 第45-49页 |
| ·非线性状态空间模型的线性化及基于线性化模型的估计与预测 | 第49-52页 |
| ·基于重要抽样的非高斯、非线性模型估计与预测的经典推断 | 第52-58页 |
| ·条件均值表示及其估计量的计算 | 第52-54页 |
| ·对偶变量的选取与初始扩散的处理 | 第54-55页 |
| ·参数估计与预测 | 第55-58页 |
| ·基于重要抽样的非高斯、非线性状态空间模型估计与预测的Bayes推断 | 第58-61页 |
| ·基于后验分析的条件均值表示及其估计量的计算 | 第58-61页 |
| 第五章 SVM模型的估计与预测 | 第61-64页 |
| ·SVM模型及其实用背景 | 第61页 |
| ·SVM模型的线性化及其估计与预测 | 第61-64页 |
| 研究趋势 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67页 |
