基于稀疏贝叶斯学习的不确定性数据处理方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-11页 |
| ·论文研究的目的和意义 | 第8页 |
| ·国内外研究现状和发展动态 | 第8-9页 |
| ·主要研究内容 | 第9页 |
| ·论文整体结构 | 第9-11页 |
| 第2章 光纤光栅传感原理及数据采集 | 第11-22页 |
| ·光纤光栅 | 第11页 |
| ·光纤BRAGG光栅传感原理 | 第11-13页 |
| ·数据采集 | 第13-21页 |
| ·数据采集系统的典型结构 | 第13-16页 |
| ·采集控制方式 | 第16-20页 |
| ·采集频率 | 第20页 |
| ·采样方式 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第3章 不确定性数据处理方法研究概况 | 第22-34页 |
| ·不确定性数据模型 | 第22-26页 |
| ·数据的不确定性 | 第22-24页 |
| ·不确定数据模型 | 第24-26页 |
| ·不确定性数据处理技术 | 第26-33页 |
| ·不确定性数据查询处理 | 第26-27页 |
| ·不确定性数据索引技术 | 第27-30页 |
| ·不确定性数据连接处理 | 第30-31页 |
| ·不确定性数据挖掘 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第4章 稀疏贝叶斯学习 | 第34-46页 |
| ·相关向量机 | 第34-43页 |
| ·贝叶斯定理和马可夫性质 | 第35-37页 |
| ·简单概率预测 | 第37-38页 |
| ·相关向量机回归 | 第38-42页 |
| ·相关向量机分类 | 第42-43页 |
| ·稀疏贝叶斯学习 | 第43-45页 |
| ·贝叶斯推理 | 第44页 |
| ·贝叶斯模型选择 | 第44-45页 |
| ·稀疏贝叶斯学习算法 | 第45页 |
| ·小结 | 第45-46页 |
| 第5章 算法实现及仿真 | 第46-59页 |
| ·稀疏贝叶斯模型 | 第46-49页 |
| ·回归 | 第46-47页 |
| ·分类 | 第47-49页 |
| ·边缘似然最大化 | 第49-50页 |
| ·稀疏贝叶斯算法实现 | 第50-51页 |
| ·仿真 | 第51-58页 |
| ·回归仿真 | 第51-53页 |
| ·分类仿真 | 第53-54页 |
| ·温度值仿真 | 第54-58页 |
| ·小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录:攻读硕士学位期间公开发表的论文及参与项目 | 第64页 |
