具有数据缺失森林资源预测的研究

致谢	第1-4页
摘要	第4-5页
Abstract	第5-7页
第1章 引言	第7-12页
·具有数据缺失森林资源预测研究的意义	第7-8页
·国内外研究的现状	第8-11页
·本文主要研究内容及创新点	第11-12页
第2章 EM算法的简介	第12-21页
·EM算法	第12-14页
·完全数据的EM算法	第12-13页
·不完全数据的EM算法	第13-14页
·EM算法的模拟	第14-21页
·基于线性回归模型的EM算法	第14-16页
·数值模拟	第16-21页
第3章 状态空间模型	第21-29页
·状态空间模型	第21-22页
·卡尔曼滤波的公式推导	第22-29页
·卡尔曼滤波器的前向递归算法	第22-25页
·平滑	第25-28页
·预测	第28-29页
第4章 完全观测数据的状态空间模型	第29-37页
·完全观测数据下状态空间模型	第29-30页
·完全观测数据下状态空间模型的参数估计	第30-34页
·数据模拟	第34-37页
第5章 缺失数据的状态空间模型	第37-47页
·缺失数据的状态空间模型的参数估计	第37-41页
·随机模拟	第41-47页
·带有缺失数据及输入变量的状态空间模型的平滑	第44-45页
·带有缺失数据及输入变量的状态空间模型的预测	第45-47页
参考文献	第47-51页
详细摘要	第51-54页