关于存在损失数据的线性系统建模与状态估计
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9页 |
| 1.3 本章研究内容 | 第9-11页 |
| 1.3.1 本文的工作 | 第9-10页 |
| 1.3.2 论文的可能创新之处 | 第10-11页 |
| 第二章 缺失数据基本处理方法 | 第11-15页 |
| 2.1 缺失数据 | 第11页 |
| 2.2 缺失数据的机制和模式 | 第11-14页 |
| 2.3 缺失数据的处理方法 | 第14页 |
| 2.4 本章小结 | 第14-15页 |
| 第三章 期望最大化和卡尔曼滤波算法 | 第15-25页 |
| 3.1 EM算法 | 第15-20页 |
| 3.2 KF的基本理论 | 第20-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第四章 基于卡尔曼滤波的EM改进算法 | 第25-43页 |
| 4.1 随机KF模型的EM算法 | 第25-28页 |
| 4.1.1 状态空间模型 | 第25页 |
| 4.1.2 KF模型 | 第25-26页 |
| 4.1.3 EM-KF算法 | 第26-28页 |
| 4.2 改进的EM-KF算法 | 第28-31页 |
| 4.2.1 改进的RTS平滑算法 | 第28-29页 |
| 4.2.2 改进的EM-KF算法 | 第29-31页 |
| 4.3 仿真与分析 | 第31-41页 |
| 4.3.1 理论模型的仿真 | 第32-34页 |
| 4.3.2 工业模型的仿真 | 第34-37页 |
| 4.3.3 关于不同比例缺失数据的仿真对比 | 第37-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 总结与展望 | 第43-44页 |
| 参考文献 | 第44-50页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第50-51页 |
| 附录2 攻读硕士学位期间申请的专利 | 第51-52页 |
| 致谢 | 第52页 |
