| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 多变量自回归模型及研究现状 | 第10-11页 |
| 1.2 正则化多变量自回归模型及研究现状 | 第11-13页 |
| 1.3 本文主要研究内容及章节安排 | 第13-15页 |
| 第2章 组Lasso罚多变量自回归模型 | 第15-32页 |
| 2.1 引言 | 第15页 |
| 2.2 Lasso-MVAR模型 | 第15-19页 |
| 2.2.1 MVAR模型及其参数求解方法 | 第15-16页 |
| 2.2.2 Lasso-MVAR模型及坐标下降法 | 第16-18页 |
| 2.2.3 时滞组Lasso罚模型glasso-MVAR | 第18-19页 |
| 2.2.4 自身-其它时滞组Lasso罚模型OOglasso-MVAR | 第19页 |
| 2.3 块坐标下降求解算法 | 第19-23页 |
| 2.3.1 时滞组Lasso罚模型参数估计方法 | 第19-21页 |
| 2.3.2 自身-其它时滞组Lasso罚模型参数估计方法 | 第21-23页 |
| 2.4 脑电信号特征提取 | 第23-31页 |
| 2.4.1 应用背景介绍 | 第23-24页 |
| 2.4.2 实验数据说明 | 第24-26页 |
| 2.4.3 实验结果与讨论 | 第26-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 分层组Lasso罚多变量自回归模型 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 HVAR模型 | 第32-35页 |
| 3.2.1 分量式分层结构HVARC | 第33页 |
| 3.2.2 自身-其它分层结构HVARO | 第33-34页 |
| 3.2.3 单元素分层结构HVARE | 第34-35页 |
| 3.3 邻近梯度算法求解分层多变量自回归模型 | 第35-36页 |
| 3.4 BCI竞赛脑电数据实验 | 第36-41页 |
| 3.4.1 数据说明 | 第37页 |
| 3.4.2 实验结果与分析 | 第37-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 稀疏组Lasso罚多变量自回归模型 | 第43-62页 |
| 4.1 引言 | 第43页 |
| 4.2 稀疏组Lasso罚多变量自回归模型 | 第43-46页 |
| 4.2.1 组内稀疏罚模型Sparse glasso-MVARX | 第44-45页 |
| 4.2.2 自身-其它组内稀疏罚模型Sparse OOglasso-MVARX | 第45页 |
| 4.2.3 基本组内稀疏罚模型Basic MVARX | 第45-46页 |
| 4.2.4 内生变量优先的组内稀疏罚模型Endogenous-First MVARX | 第46页 |
| 4.3 邻近梯度下降法求解模型参数 | 第46-49页 |
| 4.4 实验仿真 | 第49-60页 |
| 4.4.1 大气污染物指数预测应用背景 | 第49-50页 |
| 4.4.2 实验数据说明 | 第50页 |
| 4.4.3 实验数据预处理 | 第50-53页 |
| 4.4.4 罚参数选择 | 第53-54页 |
| 4.4.5 实验过程与结果分析 | 第54-60页 |
| 4.5 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70页 |
