摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
1 绪论 | 第12-23页 |
·计算机试验的研究背景 | 第12-14页 |
·计算机试验的研究目的与意义 | 第14页 |
·计算机试验的国内外研究现状 | 第14-20页 |
·论文的主要内容 | 第20-23页 |
·论文的主要成果及创新点 | 第20-22页 |
·论文的组织结构 | 第22-23页 |
2 计算机试验的基本理论与方法 | 第23-38页 |
·计算机试验的设计 | 第23-25页 |
·拉丁超立体抽样 | 第23-24页 |
·均匀设计 | 第24-25页 |
·基于正则化理论的计算机试验元建模 | 第25-28页 |
·计算机试验元建模的主要研究方法 | 第28-36页 |
·多项式响应曲面(Polynomial Response Surfaces) | 第28-29页 |
·空间相关模型(Spatial Correlation Models) | 第29-31页 |
·自适应回归样条(Adaptive Regression Splines) | 第31-32页 |
·径向基函数(Radial Basis Functions) | 第32-34页 |
·人工神经网络(Artifical Neural Network,ANN) | 第34-35页 |
·局部多项式回归(Local Polynomial Regression) | 第35-36页 |
·本章小结 | 第36-38页 |
3 基于加权最小二乘估计的非凸回归元建模 | 第38-56页 |
·引言 | 第38-39页 |
·基于Lp(0 | 第39-41页 |
·基于非负非凸稳健罚函数的约束最优元建模 | 第41-50页 |
·稳健统计的M-估计介绍 | 第42-44页 |
·非负非凸稳健罚函数 | 第44-48页 |
·基于半二次正则化算法的数值求解 | 第48-50页 |
·试验结果与分析 | 第50-55页 |
·本章小节 | 第55-56页 |
4 基于稀疏先验模型的快速Bayesian回归元建模 | 第56-79页 |
·统计决策与Bayes分析中的相关理论 | 第56-61页 |
·先验分布与后验分布 | 第56-58页 |
·共轭先验分布与多层先验分布 | 第58-59页 |
·Bayes分析中常用的先验分布与超先验分布 | 第59-61页 |
·后验分布的计算 | 第61页 |
·基于两层稀疏先验的Bayesian回归元建模 | 第61-65页 |
·两层Bayesian稀疏建模 | 第61-63页 |
·Bayesian估计 | 第63-64页 |
·快速解法 | 第64-65页 |
·基于三层稀疏先验的Bayesian回归元建模 | 第65-68页 |
·三层Bayesian稀疏建模 | 第65-67页 |
·快速Bayesian估计 | 第67-68页 |
·基于正则化和罚似然框架的讨论 | 第68-69页 |
·试验结果与分析 | 第69-78页 |
·本章小节 | 第78-79页 |
5 Gaussian Kriging模型性能分析及其改进 | 第79-105页 |
·Gaussian Kriging模型 | 第79-83页 |
·Gaussian Kriging预测 | 第80-81页 |
·参数估计 | 第81-83页 |
·Gaussian Kriging模型分析与进展 | 第83-85页 |
·惩罚Gaussian Kriging | 第83-84页 |
·Blind Kriging | 第84-85页 |
·基于Jeffreys非信息超先验的Gaussian Kriging | 第85-90页 |
·非信息先验与Jeffreys准则 | 第85-86页 |
·基于Jeffereys准则的Gaussian Kriging | 第86-88页 |
·基于期望最大化算法的数值求解 | 第88-90页 |
·试验结果与分析 | 第90-98页 |
·基于稀疏先验的Bayesian Blind Kriging | 第98-104页 |
·稀疏Bayesian Kriging:回归参数估计 | 第98-100页 |
·稀疏Bayesian Kriging:相关参数估计 | 第100-101页 |
·稀疏Bayesian Kriging:案例分析 | 第101-104页 |
·本章小结 | 第104-105页 |
6 总结与展望 | 第105-108页 |
致谢 | 第108-109页 |
参考文献 | 第109-121页 |
附录A 攻读博士学位期间参与的研究课题 | 第121-122页 |
附录B 攻读博士学位期间撰写论文的情况 | 第122页 |