| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题的目的与意义 | 第10-11页 |
| 1.2 国内外研究现状与分析 | 第11-14页 |
| 1.2.1 熵编码相关研究进展 | 第11-12页 |
| 1.2.2 平稳与非平稳信源概率特性估计相关研究及发展现状 | 第12-14页 |
| 1.3 论文主要研究内容和结构安排 | 第14-15页 |
| 1.4 论文所用实验数据 | 第15-17页 |
| 第2章 自适应熵编码概率估计基本理论与典型方法 | 第17-36页 |
| 2.1 信息论简介 | 第17-21页 |
| 2.1.1 信源与信源熵 | 第17-19页 |
| 2.1.2 信源模型 | 第19-21页 |
| 2.2 自适应熵编码概率估计模型基本理论研究 | 第21-28页 |
| 2.2.1 熵编码 | 第21-22页 |
| 2.2.2 熵编码中的概率模型 | 第22-24页 |
| 2.2.3 贝叶斯参数估计方法 | 第24-28页 |
| 2.3 本文实验相关说明及评价指标 | 第28-29页 |
| 2.3.1 面向仿真数据的概率估计实验 | 第28-29页 |
| 2.3.2 面向真实数据的熵编码实验 | 第29页 |
| 2.4 实验分析 | 第29-35页 |
| 2.4.1 面向仿真数据的概率估计实验 | 第29-34页 |
| 2.4.2 面向真实数据的编码实验 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于随机学习弱估计（SLWE）的概率估计方法 | 第36-53页 |
| 3.1 基于随机学习弱估计的概率估计方法 | 第36-40页 |
| 3.1.1 随机学习弱估计基本理论 | 第36-38页 |
| 3.1.2 适用性分析 | 第38-40页 |
| 3.2 面向仿真数据的概率估计实验 | 第40-44页 |
| 3.3 基于随机学习弱估计的区间编码方法设计 | 第44-50页 |
| 3.3.1 一般的区间编码架构 | 第44-45页 |
| 3.3.2 基于SLWE的概率估计算法设计 | 第45页 |
| 3.3.3 基于SLWE的区间编码方法设计 | 第45-50页 |
| 3.4 面向真实数据的编码实验 | 第50-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 面向非平稳数据的自适应概率估计方法 | 第53-64页 |
| 4.1 非平稳数据特性分析及变化点检测算法 | 第53-56页 |
| 4.1.1 非平稳数据特性分析 | 第53-55页 |
| 4.1.2 变化点检测算法 | 第55-56页 |
| 4.2 基于变化点检测的参数自适应SLWE算法 | 第56-58页 |
| 4.2.1 基于变化点位置的SLWE参数选择 | 第57页 |
| 4.2.2 基于变化点位置和变化程度的参数选择方法 | 第57-58页 |
| 4.3 面向仿真数据的概率估计实验 | 第58-61页 |
| 4.4 基于变化点信息的参数自适应SLWE区间编码方法设计 | 第61页 |
| 4.5 面向真实数据的编码实验 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
