导读:本文包含了后验函数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:函数,正则,方法,图象,模型,有限元,模糊。
后验函数论文文献综述
魏延,李晓虹,邬啸[1]（2012）在《后验概率加权的模糊隶属度函数》一文中研究指出模糊支持向量机(FSVM)中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了描述,构造了样本点的后验概率与样本密度的加权方法,提出了一种新的加权模糊隶属度函数构造。该方法避免了对噪声数据和孤立点的检测。通过建立基于提出模糊隶属函数的FSVM进行仿真,实验表明,提出的模糊隶属度函数构造的后验概率加权方法的有效性。(本文来源于《重庆大学学报》期刊2012年08期）
容杏苑[2]（2012）在《径向基函数空间下最小二乘回归中正则化参数的后验方差迭代算法》一文中研究指出正则化最小二乘方法作为学习理论中非常重要的一个分支,就是在再生核Hilbert空间里寻找能够比较好的拟合已有数据的函数的理论.其中正则化参数起到对数据拟合的程度和函数的光滑程度的平衡作用,如何选取正则化参数防止“过拟合”现象的发生,保证拟合函数的光滑性和简单程度是参数选择的重要问题.径向基函数的本性空间在某种内积意义下就是一个再生核Hilbert空间.本文旨在研究监督学习中径向基函数空间下的正则化最小二乘回归问题中的正则化参数的选取问题.基于径向基函数空间下的正则化最小二乘回归问题的解与径向基插值中的Co-kriging方法的解的相似形式[1],以及在最大后验似然估计意义下的Bayes理论[2]中的解释,本文提出正则化参数选取为先验的测量误差白噪声的方差.由于先验白噪声方差的不可测量性,本文讨论了一种用后验测量误差的方差作为正则化参数带入新的正则化最小二乘回归问题的目标函数,产生新的后验测量误差的后验迭代正则化参数算法.该算法最大的优点是使正则化参数的选取有了丰富的物理含义,不像常用的交叉验证法只是形式的尽可能多的尝试再选择拟合效果最好的参数.文中证明了迭代算法的收敛性,并给出了当样本个数趋于正无穷时,在小波分析及核主成分分析理论下,该迭代算法中正则化参数的极限逼近先验白噪声方差的一种解释,数值实验也很好地验证了该解释.最后,从与广义交叉验证法的数值实验比较中可以看出本文所提算法有一定的优越性.(本文来源于《复旦大学》期刊2012-04-01）
张如艳[3]（2012）在《基于核函数的最大后验概率的分类方法的研究及其应用》一文中研究指出模式识别是人工智能领域的一个重要分支,它是伴随着信息化、科技化的发展而逐步形成的一门学科,在多种场合有着重要应用。模式识别的本质要求就是根据算法完成分类功能。从分类的对象上,分类包括人脸分类和文本分类等。人脸识别技术作为模式识别技术中研究时间长、技术比较成熟的一项,多年来,一直是众多学者研究的热点。以前关于人脸识别技术的研究多数集中在线性识别方法以及对其改进的算法上,取得的效果并不是特别理想。近年来,统计理论和核函数的快速发展极大地促进了人脸识别技术的向前推进,将人脸识别方法定位到统计学中,并在此基础上展开研究。文本分类中的待研究对象通常以显式形式表示,与人脸识别相比,比较简单。分类技术作为模式识别技术中的基础技术,其应用需求广泛,因此,研究分类算法具有重大意义。本文的研究目的是在分析多分类方法的基础上,提出能够更好的适应样本数据分布特性的新的多分类方法。文中首先阐述了多分类方法的基本理论,指出特征抽取技术对于信息提炼的重要性,其次,针对线性分类方法无法处理样本数据线性不可分情况,引入核函数概念,阐述基于核函数的分类方法理论,最后,提出依据概率密度函数分布情况设计分类器的方法。重点在于:(一)分析非参数估计法中的Parzen窗估计法,提出Parzen窗估计下,基于核函数的最大后验概率分类方法PKMAP,详细阐述了该算法理论以及对于小样本数据的概率密度函数估计的准确性,同时指出其在时间复杂度上的缺点;(二)分析参数估计法中的多元t分布情况,并将其余贝叶斯理论以及核函数相结合,提出多元t分布下基于核函数的最大后验概率多分类方法TKMAP,并在文本数据集和人脸数据集中验证种算法的实验性能;(叁)将TKMAP方法用于含重尾噪声点的人脸图像中。在人脸图像中加入五种类型的重尾噪声,以验证TKMAP方法对于重尾噪声的抗噪能力。本文不仅对分类算法理论和原理做了比较系统和详细的阐述,而且通过在国际文本数据集UCI和人脸数据集Yale和Umist、ORL和BioID上进行了算法验证。UCI数据集和人脸数据集中的实验结果表明,本文提出的方法具有可行性和有效性。(本文来源于《江南大学》期刊2012-03-01）
张如艳,王士同,徐遥[4]（2011）在《t分布下基于核函数的最大后验概率分类方法》一文中研究指出针对多元正态分布不能适应样本数据严重拖尾现象的问题,提出t分布下的多分类识别方法。利用核技术将样本数据扩展到高维特征空间中,采用贝叶斯分类器得到最大后验概率,进而得到分类结果。由于可以调整t分布中的自由度参数v,因此更容易满足数据样本的不同拖尾情况,具有较好的稳健性。在5个国际标准UCI数据集和3个人脸数据集上进行了大量实验,实验结果表明,该方法有较好的分类效果,具有可行性。(本文来源于《计算机应用》期刊2011年04期）
任春风,马逸尘[5]（2004）在《定常Navier-Stokes方程流函数形式两重网格算法的残量型后验误差估计》一文中研究指出运用七种两重网格协调元方法得出了不可压Navier＿Stokes方程流函数形式的残量型后验误差估计· 对比标准有限元方法的后验误差估计,两重网格算法的后验误差估计多了一些额外项(叁线性项)· 说明了这些额外项在误差估计中对研究离散解渐近性的重要性,推出了对于最优网格尺寸,这些额外项的收敛阶不高于标准离散解的收敛阶·(本文来源于《应用数学和力学》期刊2004年05期）
郭成安,李建华,李明伟[6]（2001）在《从观测数据学习后验概率函数:一种最佳神经网络模型的设计与分析》一文中研究指出本文以二元假设检验问题为背景,在有关观测源的先验统计知识未知的条件下,研究如何用神经网络方法从观测数据中学习后验概率函数问题。本文重点探讨神经网络模型和学习算法的设计问题,提出了一种最佳神经网络结构和强化学习算法,分析了该神经网络模型在没有理想输出值的条件下对未知的目标函数的逼近能力及其适用条件。文中还给出了计算机仿真实验结果,从实验角度验证了本文方法的有效性。(本文来源于《第十届全国信号处理学术年会（CCSP-2001）论文集》期刊2001-11-01）
舒适,黄云清,喻海元[7]（2000）在《一类广义插值函数与广义有限元方法的后验估计》一文中研究指出In this paper, we discuss a generalized finite element interpolation problem and obtain the asymptotic expansion of the interpolation function. Based on these results, the error asymptotic expansion and superconvergence result of the generalized finite element approximation are derived. Finallym using the Superconvergent Patch Recovery Technique (SPR) proposed by Zienkiewicz & Zhu, we get the superconvergent recovery approximation and the posteriori error estimates to the flux. The numerical test convinced our analysis.(本文来源于《计算数学》期刊2000年01期）
王国军[8]（1996）在《线性回归模型中的后验影响函数》一文中研究指出本文对线性回归模型定义了后验影响函数;针对已有的先验信息的叁种不同情况给出了它的分解式,讨论了其优良性;指出强影响点、异常点、高杠杆点的内在联系,讨论了上述叁种点的探测方法。(本文来源于《应用概率统计》期刊1996年02期）
王国军[9]（1996）在《多元线性回归中的后验影响函数(英文)》一文中研究指出In this paper we define the Posterior Influence Function (PSIF) in rnulti-variate linear regression.For three different situations,the explicit expressions of PSIF are derived, the PSIF'are decomposed into meanful terms.The properties of PSIF are studied.(本文来源于《数理统计与应用概率》期刊1996年01期）
蔡星炳[10]（1988）在《退化系统传递函数的后验确定》一文中研究指出本文叙述了在某些限制条件下从退化图象本身进行估计退化传递函数的方法。(本文来源于《电子学报》期刊1988年01期）
后验函数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
正则化最小二乘方法作为学习理论中非常重要的一个分支,就是在再生核Hilbert空间里寻找能够比较好的拟合已有数据的函数的理论.其中正则化参数起到对数据拟合的程度和函数的光滑程度的平衡作用,如何选取正则化参数防止“过拟合”现象的发生,保证拟合函数的光滑性和简单程度是参数选择的重要问题.径向基函数的本性空间在某种内积意义下就是一个再生核Hilbert空间.本文旨在研究监督学习中径向基函数空间下的正则化最小二乘回归问题中的正则化参数的选取问题.基于径向基函数空间下的正则化最小二乘回归问题的解与径向基插值中的Co-kriging方法的解的相似形式[1],以及在最大后验似然估计意义下的Bayes理论[2]中的解释,本文提出正则化参数选取为先验的测量误差白噪声的方差.由于先验白噪声方差的不可测量性,本文讨论了一种用后验测量误差的方差作为正则化参数带入新的正则化最小二乘回归问题的目标函数,产生新的后验测量误差的后验迭代正则化参数算法.该算法最大的优点是使正则化参数的选取有了丰富的物理含义,不像常用的交叉验证法只是形式的尽可能多的尝试再选择拟合效果最好的参数.文中证明了迭代算法的收敛性,并给出了当样本个数趋于正无穷时,在小波分析及核主成分分析理论下,该迭代算法中正则化参数的极限逼近先验白噪声方差的一种解释,数值实验也很好地验证了该解释.最后,从与广义交叉验证法的数值实验比较中可以看出本文所提算法有一定的优越性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
后验函数论文参考文献
[1].魏延,李晓虹,邬啸.后验概率加权的模糊隶属度函数[J].重庆大学学报.2012
[2].容杏苑.径向基函数空间下最小二乘回归中正则化参数的后验方差迭代算法[D].复旦大学.2012
[3].张如艳.基于核函数的最大后验概率的分类方法的研究及其应用[D].江南大学.2012
[4].张如艳,王士同,徐遥.t分布下基于核函数的最大后验概率分类方法[J].计算机应用.2011
[5].任春风,马逸尘.定常Navier-Stokes方程流函数形式两重网格算法的残量型后验误差估计[J].应用数学和力学.2004
[6].郭成安,李建华,李明伟.从观测数据学习后验概率函数:一种最佳神经网络模型的设计与分析[C].第十届全国信号处理学术年会（CCSP-2001）论文集.2001
[7].舒适,黄云清,喻海元.一类广义插值函数与广义有限元方法的后验估计[J].计算数学.2000
[8].王国军.线性回归模型中的后验影响函数[J].应用概率统计.1996
[9].王国军.多元线性回归中的后验影响函数(英文)[J].数理统计与应用概率.1996
[10].蔡星炳.退化系统传递函数的后验确定[J].电子学报.1988
论文知识图
