贝叶斯压缩感知理论与技术
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略词表 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究工作的背景与意义 | 第13-21页 |
| 1.2 贝叶斯压缩感知在国内外研究历史与现状 | 第21-22页 |
| 1.3 本文的主要贡献与创新 | 第22页 |
| 1.4 本论文的结构安排 | 第22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 贝叶斯压缩感知基础 | 第23-42页 |
| 2.1 相关向量机 | 第23-24页 |
| 2.2 回归问题中的稀疏学习 | 第24-38页 |
| 2.2.1 模型建立 | 第24-26页 |
| 2.2.2 相关向量机模型求解 | 第26-36页 |
| 2.2.2.1 Type2优化方法 | 第27-31页 |
| 2.2.2.2 EM优化方法 | 第31-33页 |
| 2.2.2.3 变分贝叶斯方法 | 第33-36页 |
| 2.2.3 相关向量机稀疏学习回归问题举例 | 第36-38页 |
| 2.3 贝叶斯压缩感知 | 第38-40页 |
| 2.4 本章小结 | 第40-42页 |
| 第三章 一比特贝叶斯压缩感知 | 第42-64页 |
| 3.1 有符号错误的一比特压缩感知 | 第42-44页 |
| 3.2 一比特压缩感知模型 | 第44-51页 |
| 3.3 有符号错误的一比特压缩感知信号恢复算法 | 第51-58页 |
| 3.4 算法性能仿真 | 第58-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第四章 支撑集辅助的贝叶斯压缩感知 | 第64-74页 |
| 4.1 研究背景 | 第64-65页 |
| 4.2 算法设计 | 第65-70页 |
| 4.3 性能仿真 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 全文总结与展望 | 第74-76页 |
| 5.1 全文总结 | 第74-75页 |
| 5.2 后续工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |
| 学位论文评审后修改说明表 | 第81-82页 |
| 学位论文答辩后勘误修订说明表 | 第82-83页 |
