声明
摘要
1.1研究背景与意义
1.2国内外研究现状
1.2.1高斯图模型
1.2.2高斯混合模型
1.3创新点
1.4章节结构
第二章高斯图模型
2.1高斯图模型的表示理论
2.1.1无向图理论
2.1.2随机变量之间的关系
2.1.3马尔科夫网络表示理论
2.1.4高斯图模型表示理论
2.2高斯图模型的学习理论
2.2.1基于Lasso的惩罚似然估计
2.2.2基于Adaptive Lasso的惩罚似然估计
2.2.3基于SCAD的惩罚似然估计
2.3三种惩罚似然估计方法的比较
第三章高斯混合模型
3.1高斯混合模型
3.2EM算法
3.3高斯混合模型的参数估计
3.4 高斯图混合模型的参数估计
3.4.1基于Lasso的惩罚似然估计
3.4.2基于Adaptive Lasso和SCAD的惩罚似然估计
第四章数值模拟和实例分析
4.1模拟研究
4.2 实例分析
4.3小结
第五章总结与展望
参考文献
致谢
山东大学;