| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外的研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 研究设计 | 第12-14页 |
| 1.3.1 本文的工作 | 第12页 |
| 1.3.2 论文的可能创新之处 | 第12-13页 |
| 1.3.3 研究框架 | 第13-14页 |
| 第2章 缺失数据产生的原因及分类 | 第14-19页 |
| 2.1 缺失数据的定义及其产生原因 | 第14-15页 |
| 2.1.1 缺失数据的定义 | 第14页 |
| 2.1.2 缺失数据产生的原因 | 第14-15页 |
| 2.2 缺失数据的分类 | 第15-17页 |
| 2.2.1 按照缺失数据的机制分类 | 第15-16页 |
| 2.2.2 按照缺失数据的模式分类 | 第16-17页 |
| 2.3 缺失数据的处理方法 | 第17-19页 |
| 第3章 EM算法的相关理论 | 第19-27页 |
| 3.1 EM算法 | 第19-23页 |
| 3.1.1 极大似然估计 | 第19页 |
| 3.1.2 完备数据集 | 第19-20页 |
| 3.1.3 EM算法 | 第20-23页 |
| 3.2 EM算法的几种解释 | 第23-24页 |
| 3.2.1 直观解释 | 第23页 |
| 3.2.2 下界极大化 | 第23-24页 |
| 3.3 EM算法的性质 | 第24-27页 |
| 第4章 EM算法在调查表中的应用 | 第27-32页 |
| 4.1 一个变量缺失的情形 | 第27-28页 |
| 4.2 两个变量缺失的情形 | 第28-29页 |
| 4.3 实例分析 | 第29-32页 |
| 第5章 EM算法在二阶高斯混合模型中的应用 | 第32-60页 |
| 5.1 EM算法在高斯混合模型中的应用 | 第32-37页 |
| 5.1.1 高斯混合模型简介 | 第32-34页 |
| 5.1.2 EM算法高斯混合模型中的参数估计 | 第34-37页 |
| 5.2 EM算法在数据分开形式下的二阶高斯混合模型中的应用 | 第37-54页 |
| 5.2.1 总体分布的符号说明 | 第37-38页 |
| 5.2.2 分开形式下完全数据的二阶高斯混合模型的参数估计 | 第38-40页 |
| 5.2.3 分开形式下缺失数据的二阶高斯混合模型的参数估计 | 第40-53页 |
| 5.2.4 数值模拟 | 第53-54页 |
| 5.3 EM算法在一般形式下的二阶高斯混合模型中的应用 | 第54-60页 |
| 5.3.1 一般形式下完全数据的二阶高斯混合模型的参数估计 | 第55-57页 |
| 5.3.2 数值模拟 | 第57-60页 |
| 第6章 EM算法在二项-泊松多层混合模型中的应用 | 第60-66页 |
| 6.1 EM算法在二项-泊松多层混合模型中的参数估计 | 第60-63页 |
| 6.2 算法简要步骤 | 第63页 |
| 6.3 实例分析 | 第63-66页 |
| 第7章 总结和展望 | 第66-68页 |
| 7.1 总结 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 硕士期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |
