| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究工作的背景与意义 | 第14-17页 |
| 1.2 国内外研究历史与现状 | 第17-20页 |
| 1.2.1 基于监督学习的感知信号分类预测算法 | 第18-19页 |
| 1.2.2 基于非监督学习的感知信号分类预测算法 | 第19-20页 |
| 1.3 本文的主要贡献与创新 | 第20页 |
| 1.4 本论文的结构安排 | 第20-22页 |
| 第二章 贝叶斯无参模型基础 | 第22-34页 |
| 2.1 贝叶斯无参模型 | 第22-23页 |
| 2.2 狄利克雷分布 | 第23-26页 |
| 2.2.1 共轭分布 | 第23-25页 |
| 2.2.2 狄利克雷分布 | 第25-26页 |
| 2.3 狄利克雷过程 | 第26-29页 |
| 2.3.1 共狄利克雷过程定义 | 第26-27页 |
| 2.3.2 狄利克雷过程性质 | 第27-29页 |
| 2.4 狄利克雷过程的构造 | 第29-31页 |
| 2.4.1 断棍模型 | 第29-30页 |
| 2.4.2 中国餐馆过程 | 第30-31页 |
| 2.5 狄利克雷过程混合模型 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 变分法和指数函数分布族基础 | 第34-43页 |
| 3.1 变分法简介 | 第34-37页 |
| 3.2 概率分布的因子分解近似法 | 第37-39页 |
| 3.3 指数函数分布族简介 | 第39-41页 |
| 3.4 指数分布族基本性质 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于狄利克雷过程和变分法的感知信号分类预测算法 | 第43-62页 |
| 4.1 系统模型 | 第43-45页 |
| 4.2 感知信号分类算法 | 第45-51页 |
| 4.3 分类算法的应用举例 | 第51-53页 |
| 4.4 感知信号均值预测算法 | 第53-55页 |
| 4.5 感知信号最大后验概率预测算法 | 第55-58页 |
| 4.6 无线系统特征估计误差分析 | 第58-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第五章 仿真与分析 | 第62-75页 |
| 5.1 仿真场景介绍 | 第62-64页 |
| 5.2 功能性仿真 | 第64-68页 |
| 5.2.1 分类正确率及预测正确率 | 第64-66页 |
| 5.2.2 ROC曲线 | 第66-68页 |
| 5.3 对比仿真 | 第68-74页 |
| 5.3.1 分类正确率及其影响因子 | 第68-70页 |
| 5.3.2 预测正确率及其影响因子 | 第70-72页 |
| 5.3.3 无线系统特征估计误差及其影响因子 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 全文总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75-76页 |
| 6.2 后续工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间取得的成果 | 第82-83页 |
| 作者简介 | 第83页 |