声明
摘要
第1章 引言
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究设计
1.3.1 本文的工作
1.3.2 论文的可能创新之处
1.3.3 研究框架
第2章 缺失数据产生的原因及分类
2.1 缺失数据的定义及其产生原因
2.1.1 缺失数据的定义
2.1.2 缺失数据产生的原因
2.2 缺失数据的分类
2.2.1 按照缺失数据的机制分类
2.2.2 按照缺失数据的模式分类
2.3 缺失数据的处理方法
第3章 EM算法的相关理论
3.1 EM算法
3.1.1 极大似然估计
3.1.2 完备数据集
3.1.3 EM算法
3.2 EM算法的几种解释
3.2.1 直观解释
3.2.2 下界极大化
3.3 EM算法的性质
第4章 EM算法在调查表中的应用
4.1 一个变量缺失的情形
4.2 两个变量缺失的情形
4.3 实例分析
第5章 EM算法在二阶高斯混合模型中的应用
5.1 EM算法在高斯混合模型中的应用
5.1.1 高斯混合模型简介
5.1.2 EM算法高斯混合模型中的参数估计
5.2 EM算法在数据分开形式下的二阶高斯混合模型中的应用
5.2.1 总体分布的符号说明
5.2.2 分开形式下完全数据的二阶高斯混合模型的参数估计
5.2.3 分开形式下缺失数据的二阶高斯混合模型的参数估计
5.2.4 数值模拟
5.3 EM算法在一般形式下的二阶高斯混合模型中的应用
5.3.1 一般形式下完全数据的二阶高斯混合模型的参数估计
5.3.2 数值模拟
第6章 EM算法在二项-泊松多层混合模型中的应用
6.1 EM算法在二项-泊松多层混合模型中的参数估计
6.2 算法简要步骤
6.3 实例分析
第7章 总结和展望
7.1 总结
7.2 展望
参考文献
硕士期间发表的学术论文
致谢
重庆工商大学;