基于SVM的小样本数据不确定度的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·引言 | 第9页 |
| ·不确定度研究现状 | 第9-13页 |
| ·本文研究内容 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 2 相关条件下不确定度合成的MC 方法 | 第15-32页 |
| ·测量不确定度的概述 | 第15-19页 |
| ·测量不确定度的评定方法 | 第15-18页 |
| ·测量不确定度的合成的GUM 方法 | 第18-19页 |
| ·基于MC 的不确定度合成 | 第19-22页 |
| ·MC 的基本思想 | 第19页 |
| ·随机数产生 | 第19-21页 |
| ·合成不确定度的基本步骤 | 第21-22页 |
| ·相关条件下不确定度合成的MC 方法 | 第22-24页 |
| ·相关随机数的生成算法 | 第23页 |
| ·算法步骤 | 第23-24页 |
| ·测量实例分析 | 第24-30页 |
| ·线性相关测量实例 | 第24-26页 |
| ·非线性测量实例 | 第26-29页 |
| ·讨论 | 第29-30页 |
| ·本章小节 | 第30-32页 |
| 3 基于SVM 的小样本数据的统计分布 | 第32-49页 |
| ·支持向量机简介 | 第32-35页 |
| ·统计学习理论 | 第32-33页 |
| ·支持向量机 | 第33-35页 |
| ·多维随机数的产生 | 第35-36页 |
| ·基于SVM 的概率密度函数估计 | 第36-38页 |
| ·基于SVM 的联合概率密度函数估计 | 第38-39页 |
| ·实例分析 | 第39-48页 |
| ·Parzen 窗估计法 | 第39-40页 |
| ·一维正态分布数据仿真实验 | 第40-43页 |
| ·混合高斯分布的仿真实验 | 第43-45页 |
| ·多维分布的仿真实验 | 第45-48页 |
| ·本章小节 | 第48-49页 |
| 4 基于SVM-MC 的不确定度的合成 | 第49-55页 |
| ·基于SVM-MC 的不确定度合成算法流程 | 第49-50页 |
| ·多维随机数的产生 | 第50-51页 |
| ·小样本测量实例分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| ·全文总结 | 第55页 |
| ·研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62页 |
| 发表的学术论文 | 第62页 |
