| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-13页 |
| 1.2.1 国内外研究现状 | 第11-12页 |
| 1.2.2 发展趋势 | 第12-13页 |
| 1.3 本文主要研究内容及结构安排 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 全文结构安排 | 第14-16页 |
| 第二章 高斯过程模型相关理论 | 第16-24页 |
| 2.1 高斯过程 | 第16-19页 |
| 2.1.1 高斯过程概念 | 第16-17页 |
| 2.1.2 高斯过程核函数类型选择 | 第17-18页 |
| 2.1.3 高斯过程超参数选择 | 第18-19页 |
| 2.2 高斯过程模型的两类应用 | 第19-22页 |
| 2.2.1 高斯过程模型用于回归 | 第19-22页 |
| 本章小结 | 第22-24页 |
| 第三章 多尺度高斯过程学习曲线的研究 | 第24-32页 |
| 3.1 多尺度高斯过程的基本原理 | 第24-26页 |
| 3.2 多尺度高斯过程用于回归预测 | 第26-28页 |
| 3.2.1 用多尺度高斯过程模型进行一维曲线预测 | 第26-27页 |
| 3.2.2 用多尺度高斯过程模型进行二维曲线预测 | 第27-28页 |
| 3.3 多尺度高斯过程的学习曲线的公式推导 | 第28-30页 |
| 3.4 MGP 模型学习曲线的近似数值计算 | 第30页 |
| 本章小结 | 第30-32页 |
| 第四章 MGP 模型学习曲线上界的研究 | 第32-38页 |
| 4.1 MGP 模型学习曲线的单点上界公式推导 | 第32-34页 |
| 4.2 MGP 模型学习曲线的单点上界的数值实现方法 | 第34-35页 |
| 4.3 MGP 模型学习曲线的两点上界公式推导及数值实现 | 第35-36页 |
| 本章小结 | 第36-38页 |
| 第五章 MGP 模型近似学习曲线及上界的实验仿真及结果 | 第38-46页 |
| 5.1 实验仿真的环境及设置 | 第38-39页 |
| 5.2 MGP 模型的协方差函数 | 第39页 |
| 5.3 实验结果及分析 | 第39-44页 |
| 本章小结 | 第44-46页 |
| 第六章 高斯过程混合模型研究 | 第46-56页 |
| 6.1 高斯过程混合模型的基本概念及原理 | 第46-47页 |
| 6.2 基于留一交叉验证的概率分解 | 第47-48页 |
| 6.3 GPMs 模型的 EM 算法 | 第48-54页 |
| 6.3.1 引入隐形变量并建立目标函数 | 第48-50页 |
| 6.3.2 基于标准 Wolfe-Powell 线搜索的共轭梯度法 | 第50-51页 |
| 6.3.3 EM 算法的实现 | 第51-52页 |
| 6.3.4 实验仿真结果 | 第52-54页 |
| 本章小结 | 第54-56页 |
| 第七章 结束语 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间所取得的相关科研成果 | 第62-64页 |
| 致谢 | 第64-65页 |
