一、线性模型的最小二乘估计与马尔科夫估计（论文文献综述）
墙梓薇[1]（2021）在《基于贝叶斯方法的铁路站房结构损伤识别研究》文中指出结构在服役过程中会受到环境侵蚀、材料老化等多种因素的影响而损伤,则在该情况下,需要通过健康监测来进行实时的监控,其中,损伤识别是结构健康监测的重要环节。现今的损伤识别方法主要是传统的确定性损伤识别方法,但是,由于在实际工程应用中,引起结构损伤的因素或者损伤识别计算过程和结果往往具有不确定性,所以确定性识别方法可能并不能很全面地考虑这些影响。因此,本文运用基于贝叶斯模型的不确定性损伤识别方法,结合随机响应面方法和马尔科夫蒙特卡洛抽样两种方法,考虑了不确定性因素对损伤识别的影响,并在抽样过程中简化了模型响应特征值的计算,提高了计算效率。本文主要研究内容有:（1）针对贝叶斯损伤识别方法中似然函数的求解问题,本文运用了矩阵摄动法、最小二乘法和随机响应面法三种方法进行求解,可得到结构响应与模型参数之间的关系式,然后建立有限元模型对三种方法进行验证,通过对比三种方法的计算结果误差大小及可行性,最后得出采用随机响应面法对结构响应和模型参数的关系式进行求解能取得较小的误差,可用于后续计算。（2）运用有限元仿真方法对基于贝叶斯方法的损伤识别方法进行数值仿真计算,通过对比试验结果与理论值误差以验证其可行性。首先在数学层面介绍了贝叶斯统计理论,然后将其引入结构损伤识别,结合随机响应面法推导出待修正参数的后验概率密度函数,并通过Metropolis-Hastings抽样算法得到该参数的后验分布,从而完成基于贝叶斯的损伤识别流程。然后建立有限元模型,将该计算流程代入有限元模型做出数值仿真计算,对基于贝叶斯方法的损伤识别方法进行可行性验证,并最终能得到待修正参数的后验分布。（3）引入铁路站房有限元模型,通过对车站模型承轨层的高敏感度单元的损伤识别,验证基于贝叶斯方法的损伤识别方法在实际工程结构健康监测中的可行性,并能得到较为准确的结果。研究结果表明,结合随机响应面方法的贝叶斯损伤识别方法可以较为准确简便地识别损伤,对不同模型均有适用性,并可以适用于实际工程运用。
檀成伟[2]（2021）在《两类改进的MGM（1，m）模型及其在雾霾中的应用研究》文中指出多变量灰色MGM（1,m）模型作为灰色系统理论经典的预测模型之一,一直以来备受学者关注,被广泛地应用于诸多领域。本文在已有的MGM（1,m）模型研究基础上,分别对模型的计算方法和适用范围提出改进,进一步提高了模型的准确性和实用性。本文的具体研究内容可概括如下:首先,针对多变量灰色MGM（1,m）模型在建立时,各系统因素之间需要存在较强的相关性,这使得模型在离散化后,运用普通最小二乘法进行参数求解时,协方差矩阵可能因接近奇异导致模型的参数辨识出现病态特征。本文的第一部分研究由此引入带有惩罚项约束的最小二乘法,赋予模型单一的罚参数值,以消除协方差矩阵的病态性,并通过粒子群算法确定相对最优的罚参数,使模型的预测效果达到最佳。通过理论证明,该算法虽然散失了普通最小二乘法的无偏性,但解决了因求解矩阵的奇异性导致参数估计值的均方误差过大问题,有效地提高了模型的稳定性和准确性。其次,由于带有单一罚参数约束的最小二乘法其实质是在求解矩阵的对角元素上统一增加了一个罚参数值,从而解决了矩阵奇异的问题,因此缺乏对各分量的细节分析,对于一些复杂的问题具有一定的局限性。在此基础上,本文的第二部分研究对其算法加以改进,通过对参数中各分量的均方误差进行分析,赋予各分量不同的罚参数值。虽然相比单一罚参数的最小二乘法,失去了原有计算的简便性,但更进一步解决了复杂的病态性问题,使得模型的参数估计更加合理,预测精度也得到了显着提升。最后,考虑到MGM（1,m）模型在对具有季节性变化的波动数据进行模拟时,只能掌握数据整体的发展趋势,不能反映数据具体的变化信息,从而出现局部值模拟存在偏差较大的问题,即模型的应用范围存在局限性。本文的第三部分研究在MGM（1,m）模型建模的基础上,引入多维平稳序列自回归AR（p）模型,对具体值与MGM（1,m）模型拟合趋势之间产生的偏差做出分析。并结合各自的拟合值,得到最终组合模型的模拟预测结果。该组合模型有效地拓宽了MGM（1,m）模型的适用范围。为验证本文模型优化的有效性和准确性,将改进的模型应用于雾霾问题的研究中,针对模型各自的特点,选取不同的建模指标及其数据类型进行建模,并根据应用结果对模型做出评价。结果表明:当变量之间存在较强相关性时,模型的参数在基于惩罚项的最小二乘法下的估计值,较普通最小二乘法下的估计值更加合理;当数据类型呈季节性变化且具有一定的发展趋势时,组合模型相较单一MGM（1,m）模型,模拟预测结果更加精确。综上考虑,本文模型优化的价值及意义得到合理验证。
张诺亚[3]（2021）在《基于贝叶斯估计的瞬变电磁概率反演及不确定性分析》文中研究指明瞬变电磁法（Transient Electromagnetic,TEM）已在工程勘察、海水入侵调查、金属矿和地下水勘探、地质调查等领域得到广泛应用。为获取直观、准确的地下介质电性分布情况,学者们研究了多种数据解释手段,早期多依靠定性判断、量板和视电阻率成像手段获取粗略的地电分布,后来采用反演的方法处理瞬变电磁数据,获得地下电性分布模型。地球物理反演往往存在多解性,解决地球物理反问题的一个关键因素是多解性的量化,即在拟合一组观测数据时,反演推断的地球模型的参数是如何变化的。目前有两种主流的反演观点,即确定性反演和概率性反演。确定性反演将待反演参数视为确定值,依据最优化准则求解目标函数最小的“单一的最优模型”,这种反演无法提供结果的可靠度和参数的不确定性,同时在求解反演方程时易陷入局部最优;概率性反演将待反演参数视为随机变量,在似然函数、先验分布以及各类采样机制指导下,通过大规模空间采样获得参数的后验概率分布,能够综合考虑真实地下电性结构及导电性分布范围,对模型参数进行不确定性分析。依据最优化准则的确定性反演获得“单一最优模型”来解释地下介质的电性结构无法实现反演的多解性量化,在此需求下概率性反演显得尤为必要。目前基于概率理论的瞬变电磁反演研究较少,因此本文计划基于贝叶斯（Bayesian）框架开展瞬变电磁反演与不确定分析研究。本文分别从定维数和变维数两个角度出发,对瞬变电磁反演结果和多解性进行定量分析与评估。定维数贝叶斯反演方面的主要改进包括,①提出利用非线性反演最优结果作为初始模型,减少抽样浪费;②提出加权先验分布平衡数据拟合项与模型约束项的作用,改善深层电阻率分辨率低的问题;③提出在建议分布中分阶段加入尺度因子控制采样步长,保证全空间采样遍历性的同时又能提高采样速率;最后,采用基于M-H准则的马尔科夫链蒙特卡罗法（Markov chain Monte Carlo,MCMC）进行大规模并行采样,实现地电参数的不确定性分析。变维数贝叶斯反演基于可逆式马尔科夫链蒙特卡洛方法（Reversible jump MCMC,RJMCMC）实现采样,主要改进包括:①提出了多参数混合先验分布函数,针对瞬变电磁数据不同参数特点选取先验概率函数,实现合理后验采样;②建立了不等概率的模型采样更新模式,实现可逆式采样,运用多链并行手段提高采样效率;③提出利用双因子控制建议分布的采样步长,保证全空间采样遍历性及高概率区间的充分采样;④提出利用势尺度衰减因子PSRF判别多链并行框架下的采样收敛,并通过均方误差RMS控制平稳收敛阶段合理模型的输出,最终获得合理的模型后验分布统计。在算法可行验证方面,首先采用4组典型三层模型进行测试,测试过程中对模型加入高斯噪声扰动;之后,采用野外实测数据开展测试,对比分析定维数和变维数贝叶斯反演结果,对野外数据的反演结果进行了不确性分析和可靠度评估,结合Occam反演结果、钻孔数据以及地质资料进一步验证贝叶斯反演结果的合理性和准确性。
吴承伟[4]（2021）在《恶意攻击情形下信息物理系统的安全控制研究》文中认为信息物理系统融合并发展了现有的通信、无线网络、分布式、人工智能等技术,构建了物理空间与信息空间中人、机、物、环境、信息等要素的相互映射、适时交互、高效协同,成为集计算、通信与控制于一体的新一代智能系统。作为智能制造的核心,信息物理系统的发展已受到世界各国的重视,如“美国竞争力计划”,欧盟的“ARTEMIS”项目等。我们党和政府也高度重视信息物理系统的发展。党的十九大报告和2018年两会精神均强调要促进信息物理系统人工智能行业产、学、研、用的交流与合作。近年来,网络攻击事件频发,对国家安全、经济发展、基础设施安全、人民生命财产造成了极大威胁,这使得如何保证信息物理系统的安全成为亟待解决的重大问题。为促使该类问题的解决,国家自然科学基金委增加了信息物理系统相关科研项目的立项,科技部也立项了信息物理系统安全相关的国家重点研发计划。虽然信息物理系统安全问题的研究不断取得突破,但是仅仅依靠单一学科知识,如控制学科、计算机科学学科或者网络信息安全学科技术进行信息物理系统安全设计的不足日益凸显。如何融合多学科技术手段解决信息物理系统的安全问题已成为亟待解决的重要问题。围绕信息物理系统安全问题研究中的难点以及关键科学问题,本文结合控制理论（滑模控制、最优控制等）、机器学习（深度强化学习）、信息论（信息熵）以及博弈论（零和博弈）、网络信息安全（移动目标防御）等多学科技术手段,研究如何应对恶意网络攻击、设计智能安全控制算法保证信息物理系统安全的问题。论文具体内容以及研究方法概述如下。1.第二章研究信息物理系统中传感器受到恶意拒绝服务攻击时安全控制器设计问题。拒绝服务攻击能够造成数据丢失。本章引入拒绝服务攻击驻留时间和拒绝服务攻击频率概念描述攻击行为。根据攻击的不同效果,即拒绝服务攻击是否成功,本章将描述物理进程动态的系统方程描述为切换形式。进而设计了一种安全滑模控制器保证系统指数稳定。为保证描述攻击行为的模型有效性,本章将系统防御者和攻击者在零和博弈框架下进行建模,基于零和博弈设计了一种有效的混合防御机制。在该防御机制下,提出了一种基于防御机制的安全滑模控制设计方法。基于该方法,在拒绝服务攻击情形下,信息物理系统依然可以保证预期性能。与已有结果相比,本章节的方法主要具有两方面的优势。首先,本章节根据攻击效果将物理系统建模为切换系统,进而利用类似于平均驻留时间的方法解决了系统稳定性分析与安全控制器设计问题。其次,本章节引入零和博弈对防御者和攻击者建模,并设计了防御策略,保证了攻击模型的有效性。2.第三章研究信息物理系统的安全跟踪控制问题。在设计过程中考虑控制中心到执行器端的通讯网络受到拒绝服务攻击,该攻击能够造成网络拥塞,进而阻止控制信号传输给执行器。本章节主要目的是如何在系统模型信息完全未知情形下设计最优跟踪控制器,并分析拒绝服务攻击对跟踪性能造成的影响。首先,基于给定的物理对象的系统结构以及跟踪信号模型构造物理对象与参考模型的增广系统,进而采用动态规划技术推导该增广模型的黎卡提方程。其次,分析了拒绝服务攻击概率对跟踪性能的影响,给出了拒绝服务攻击的临界条件,超出该条件约束范围则无法设计最优跟踪控制器,系统跟踪性能无法保证。第三,为解决无模型情形下的跟踪控制设计问题,本章引入强化学习方法设计跟踪控制器。3.第四章研究在执行器虚假数据注入攻击情形下信息物理系统基于零和博弈的安全控制器设计问题。对于物理层中的物理对象,本章假设其动态方程可由一个线性时不变离散模型描述。设计过程中考虑过程噪声和测量噪声对控制器设计的影响。引入卡尔曼滤波估计物理对象的系统状态。本章首先将系统防御方和攻击者描述为零和博弈中的两个玩家,进而在零和博弈框架下给出了最优的二次型成本函数。通过使用动态规划方法,本章给出了最优攻击策略下最优控制策略设计准则,并证明了该策略可以保证系统性能且成本函数有界。此外,本章给出了攻击概率的临界值,超出这个临界值则成本函数的有界性以及物理对象的稳定性无法保证。4.第五章研究执行器虚假数据攻击情形下信息物理系统的主动防御控制问题。基于移动目标防御机制以及强化学习方法,本章提出了一种新颖的主动被动混合防御控制设计方案。首先,本章将系统（A,B）描述为一系列包含可控子系统（A,Bl）的切换模型,进而基于该切换模型设计移动目标防御机制。基于移动目标防御机制,随机选择子系统（A,Bl）设计控制策略用于控制整个系统,进而阻止攻击者的有效攻击。其次,本章设计攻击诊断以及攻击分离机制用于精确定位受攻击执行机构,进而将受攻击的执行机构从移动目标防御机制中排除。第三,基于强化学习方法和零和博弈理论设计了被动安全控制算法以应对无可控制子模型可更新的极端情形。进而基于上述设计,提出了主动、被动混合的防御控制算法,保证受控系统在极端攻击情形下能够有效缓解攻击影响,维持系统性能。5.第六章研究信息物理系统执行器虚假数据注入攻击情形下基于深度强化学习的安全控制问题。本章节将受攻击情形下的信息物理系统动态方程描述为一个马尔科夫决策过程。基于建立的马尔科夫过程,将虚假数据注入攻击情形下的信息物理系统安全控制问题转化为仅使用数据的决策学习问题。参照当前最新的柔性actor-critic强化学习算法,本文提出了一种基于李雅普诺夫函数的柔性actor-critic强化学习算法,基于该算法离线训练深度神经网络,进而获得安全控制策略。本章节不仅证明了提出的深度强化学习算法的收敛性,而且解决了系统使用强化学习获得的策略时的稳定性分析问题,给出了稳定性证明。此外,本章节在设计过程中完全基于数据,所设计的安全控制算法对不确定性、外部扰动等因素具有强鲁棒性。
刘萍[5]（2020）在《基于物联网的农村区域水环境智能监测及预测方法研究》文中指出农村水环境的质量直接关系到农业灌溉用水、农村饮用水的安全,为了密切配合“绿水青山”的国家战略,建设生态宜居美丽乡村,亟需开展农村区域水环境智能监测及预测方法研究工作。基于物联网研究农村区域水环境智能监测及预测方法,可以尽可能全面、实时地感知农村区域水环境数据,实现对水环境的准确、全面评价和对水质变化趋势的合理、有效预测,具有重要的理论研究意义和广泛的应用前景。论文面向农村区域水环境监测需求,围绕水环境监测所涉及的多个方面,在设计智慧水务总体架构的基础上,按照自底向上的顺序展开研究,主要研究了水环境监测网络体系结构、水环境监测无线传感器网络（Wireless Sensor Network,WSN）建模与性能分析方法（感知层）、基于专网通信的水环境监测系统及方法（传输层）、水环境监测WSN数据融合算法（处理层）和基于深度神经网络的水质预测模型（处理层）。论文主要工作及研究结果如下:（1）研究了基于物联网的水环境监测网络体系结构设计问题。设计了智慧水务总体架构,分析了智慧水环境监测网络面临的潜在挑战,设计了一种分布式、可扩展的智慧水环境监测网络体系结构,以满足其低时延、高带宽和移动性的要求。（2）研究了水环境监测WSN建模与性能分析问题。分析了农村区域的水环境监测WSN部署策略、覆盖要求及网络模型,提出了一种描述水环境监测网络系统并提取系统性能指标的方法。基于性能评估进程代数（Performance Evaluation Process Algebra,PEPA）对分簇式水环境监测WSN进行建模,根据真实的水质监测实例及传感器节点参数设定了系统参数,采用模拟求解法仿真模拟了分簇式水环境监测WSN的工作过程,对所构建网络的性能指标进行了提取及分析,讨论了不同设计方案对系统响应时间的影响。在此基础上,基于PEPA及流体逼近法对节点高速移动、拓扑动态变化的网络系统进行了建模及分析。研究结果表明,该方法可以将水环境监测网络大系统表示为各个子系统之间的交互,清楚地知道各个子系统的内在结构,并实现对系统性能指标的模拟或逼近,有助于优化系统设计方案。（3）研究了基于时分长期演进（Time-Division Long Term Evolution,TD-LTE）专网的水环境监测系统及方法设计问题。提出了一个以TD-LTE基站为中心的水环境监测专网组网方案,以及一种基于数据融合、机器学习的水环境智能监测方法。该系统和方法的提出满足了农村区域水环境保护工作人员对水环境监测系统共享化、智能化、一体化的需求,也能够很好地满足水环境应急监测的实时性要求。（4）研究了分簇式水环境监测WSN中的数据融合问题。设计了基于最小二乘的水环境监测WSN簇内数据融合模型,针对部分传感器节点数据缺失时,簇内数据融合模型中计算量大的问题,提出了一种基于递推最小二乘的数据融合算法。研究结果表明,所设计的算法减少了数据融合过程中的计算量,节省了簇首节点的存储空间和能量。（5）研究了基于长期短期记忆（Long Short-Term Memory,LSTM）深度神经网络的中长期水质预测问题。在对缺失水质数据进行预处理的基础上,设计了一种基于LSTM深度神经网络的水质单参数预测模型,构建了堆叠LSTM的神经网络架构,确定了神经网络单元参数的设置及样本建立、学习过程的处理方法,并将该模型用于6项饮用水水质参数的预测。研究结果表明,该模型收敛速度快,样本精度逼近高,泛化能力强。在预测步长m=10,20,30,60,90,180这6种情形下,该模型的溶解氧预测精度均优于自回归移动平均（Autoregressive Integrated Moving Average,ARIMA）和支持向量回归（Support Vector Regression,SVR）时间序列预测模型,尤其是溶解氧的中长期预测精度,明显优于ARIMA和SVR,随着预测步长的不断增加,该模型的优势也逐步增大。基于对各饮用水水质参数的相关性分析,设计了一种基于LSTM深度神经网络的水质多参数中长期预测模型,对神经网络迭代次数不同时的模型预测精度进行了比较,在相同的神经网络结构及参数设置条件下,对比了单参数预测模型与多参数预测模型对溶解氧的预测效果。研究结果表明,在训练集、测试集划分方式合理的前提下,多参数水质预测模型在小样本数据（182组）预测的精度上更胜一筹,体现出利用多个水质参数之间的相关性进行水质预测的效果。而当样本数量足够（953组）时,两种水质预测模型的预测精度相当。
闫振英[6]（2020）在《基于多级票价体系的高铁席位存量控制优化研究》文中提出随着我国高速铁路的建设和发展,高铁已成为我国主要的旅客运输方式。但是,高铁建设投入大,运营成本高,许多高铁线路处于亏损状态。如何优化运营收益以保证高铁可持续发展成为高铁发展亟待解决的问题,高铁收益管理成为国内的研究热点。高铁客票不再是以固定费率、单一形式的价格出售,多级动态票价体系即将逐步实施。在此背景下,本文从提高高铁收益的角度出发,对多级票价体系下的席位存量控制问题进行了系统的研究。论文首先对多级票价体系下的席位存量控制问题进行剖析并构建基本模型。然后,从两个角度研究基本模型的近似求解方法。其一,基于动态规划分解和仿真的方法研究席位存量动态控制优化;其二,利用随机规划模型近似描述基本模型,研究基于预订限制控制的席位存量控制优化问题。最后考虑可变编组动车组的应用,研究基于柔性容量的席位存量分配优化问题。主要的研究工作及结论如下:（1）基于多级票价体系的席位存量控制问题的理论分析和基本模型构建。首先分析我国高铁运营特征,从政策环境、技术经济特征和软硬件技术支撑等几个角度分析实施收益管理的可行性。然后,从供需平衡的理论出发,分析多级票价体系下的席位存量控制问题。最后,考虑旅客购票选择行为,对基于多级票价体系的席位存量控制问题建立动态规划基本模型,根据模型特点指出近似求解和获得控制策略的思路,为后续研究奠定理论基础。（2）基于动态规划分解的席位动态控制优化方法研究。论文采用动态规划分解和仿真的方法近似求解席位存量控制基本模型,将基于最小二乘法的策略迭代算法与基于马尔科夫链选择模型的品类优化算法相结合,提出席位动态控制模型的近似求解算法和实时控制策略的生成算法,并设计仿真实验验证了算法和控制策略的可行性和有效性。（3）基于随机规划的多级票价体系下高铁席位存量分配模型和控制策略仿真研究。论文采用随机规划的方法研究席位存量控制问题,利用高铁运输市场中旅客的选择行为对随机需求进行细分,构建与基本模型近似的席位存量分配模型,然后将其转化为等价的线性规划模型并利用ILGO CPLEX快速求解。基于最优分配结果,生成单阶段静态预订限制控制策略和多阶段动态预订限制控制策略,并设计仿真算法对比研究两种控制策略的性能。最后,通过数值实验验证了模型和控制策略的有效性。（4）基于可变编组的高铁席位存量控制优化研究。可变编组技术使得高铁列车可通过调节编组方案获得一定的席位容量柔性。论文分别针对单列车和多列车的情形,建立可变编组与席位存量分配的联合优化模型,并给出相应的求解方法。数值实验表明收益管理和灵活编组的联合优化可提高期望利润。当需求强度较低时,灵活编组有助于供需匹配,通过减少运营成本来获得更高的利润;当需求强度增加到一定程度时,通过权衡成本和收益来获得更高的利润。论文的创新之处主要体现在以下几点:（1）提出了综合考虑随机需求、旅客选择行为、多级票价体系、多列车、多停站的高铁席位存量动态控制优化方法。针对基于多级票价体系的高铁席位存量控制模型,设计两阶段控制机制,提出将基于仿真的近似动态规划算法与马尔科夫链品类优化算法相结合的近似求解算法和在线生成实时控制策略的算法,为基于顾客选择的网络收益管理问题提供了新的解决思路。相对于既有的研究成果,该算法可以得到高铁席位动态控制实时优化策略,并且面向多种选择行为模型,具有较好的扩展性。当积累足够历史样本数据时,可应用大数据分析和机器学习的技术定期更新选择行为参数和投标价格,实现控制策略的持续优化。（2）提出了综合考虑随机需求、旅客选择行为、多级票价体系、多列车、多停站的高铁席位存量静态分配模型,并生成席位存量控制策略。既有研究中高铁席位存量分配主要针对单一票价下列车席位在不同OD之间的分配,少量多级票价下的席位存量分配研究则以独立需求为假设。本文以优化高铁收益为目标,采用随机规划的方法构建了基于旅客选择行为的高铁列车席位存量分配模型,提出多级票价体系下高铁席位存量多列车协同分配的方法,并以最优分配结果为基础生成席位存量的单阶段静态控制策略和多阶段动态控制策略。（3）提出基于可变编组的高铁列车席位存量分配优化模型。既有高铁席位控制优化研究中未见考虑可变编组情形下的席位存量控制问题。既有收益管理理论研究主要基于固定容量进行研究,少量以航空机型调换为背景的柔性容量的理论研究。本文以可变编组策略调节席位容量为背景,提出可变编组与席位存量分配的联合优化模型,通过实验分析获得可变编组下席位存量分配的基本规律。
柯东杰[7]（2020）在《贝叶斯框架下一类l0范数稀疏线性回归模型研究》文中认为随着第四次工业革命的到来,处理海量高维复杂数据逐渐成为科技工作者的工作常态。尤其是在诸如基因工程、互联网等高新技术产业,所需处理数据特征维度的数量级往往能够达到百万乃至上亿规模。这种规模的数据集对数据储存、数据建模运算带来相当大的挑战。同时,传统分析方法在分析处理该类数据时,存在一定局限性。但基于这类数据就具体问题进行建模分析时,真正涉及到的特征维度通常是远低于数据集本身的特征维度,即大部分特征维度都是冗余的。我们从这些高维复杂数据的特征中筛选出我们需要的特征,这就是稀疏学习。在大数据时代背景下,稀疏学习在压缩感知、统计学习理论等领域的作用日渐凸显。常见的稀疏学习可以从l0范数稀疏学习问题,对l0范数松弛化后的稀疏学习问题以及贝叶斯角度下的稀疏学习问题等方面入手。本文基于贝叶斯理论框架,对线性模型稀疏学习问题进行研究。与其他诸多利用贝叶斯方法研究线性模型稀疏学习问题不同,本文是在系数向量的支撑上定义稀疏先验分布。该稀疏先验分布中包含系数向量的l0范数信息,系数向量的支撑在本文的贝叶斯框架下尽可能地收缩,从而达到稀疏学习的目的。本文从理论上证明了这种先验分布定义方式具有良好的理论性质。首先,我们推导得到关于系数向量最大后验估计与后验期望估计的Oracle不等式,在满足一定条件下,其预测估计误差是依概率收敛的。其次,本文给出关于支撑的最大后验估计的后验一致性结论,使得后验概率达到最大的支撑?J依概率收敛到真实系数向量对应的支撑J?。再者,本文给出关于系数向量贝叶斯估计的误差边界,其理论结果表明估计误差能够得到较好控制。本文还利用马尔科夫链蒙特卡罗法构建贝叶斯稀疏学习求解算法。最后,利用数值模拟验证本文所提方法的有效性。
孟瑶[8]（2020）在《基于HMC算法的太阳观测信号中红噪声估计方法研究》文中认为太阳准周期振荡是太阳大气中等离子体在较宽波长范围内对电磁辐射的节律性调制。它通常在太阳耀斑、太阳黑子和日冕的综合光曲线中观察到,从无线电波段、可见光、极端紫外线到x射线都可以观察到。然而,光曲线中的振荡模态通常会被红噪声所抑制,因此很难对其进行表征。因此,如何从红噪声中检测出具有物理意义的振荡信号成为了天体物理学的一个长期问题。对于天文信号中的红噪声来说,常见的表征方式如最小二乘法和马尔科夫链蒙特卡洛（MCMC）方法均存在一些局限性,最小二乘法只适合对于简单模型的表征以及通过该方法得到的结果的均方根误差较大,MCMC方法中最常用的算法为Metropolis-Hastings（MH）算法,该方法的收敛速度很慢。此外,在实际使用MCMC算法时,大部分研究没有对马尔科夫链是否收敛做出判断,这样可能会导致错误的结果。针对最小二乘法和MCMC方法存在的问题,本文采用了一个新的红噪声估计方法—汉密尔顿蒙特卡洛方法（HMC）实现红噪声模型的参数估计。对比于最小二乘法,该方法在高维的情况下仍然可以有效且精确的估计模型的参数。并且克服了MH算法收敛很慢的缺点,减少了MH算法的随机游走行为,改进了马尔可夫链的有效性,使算法能迅速收敛。同时针对MCMC方法的收敛性检验问题,本文使用格尔曼—鲁宾方法检验MCMC方法的后验分布,即对马尔科夫链的收敛性判断;并利用此方法佐证了 HMC算法的收敛速度比MH算法快十倍左右的这一事实。最后,将HMC方法结合卡方检验应用到太阳黑子以及太阳耀斑等实际太阳观测数据中,通过估计这些观测信号中的红噪声从而估计该太阳活动中的准周期振荡（QPP）。证实了格尔曼-鲁宾方法在对MCMC的收敛性判断方面和收敛所需迭代的统计方面的有效性,并通过多次实验的实验结果证明了对比于现在使用的红噪声估计方法,本文所使用的HMC算法更好。
李晓飞[9]（2019）在《超宽带系统参数估计与检测分析》文中研究说明无线通信发展日新月异和潜在的巨大市场为未来无线通信技术发展提供机遇和挑战。许多无线通信课题亟待解决,如资源受限、无线信道干扰、多用户访问和导航定位等。高分辨率和高准确性的无线信号使无线通信系统软硬件都面临巨大挑战。超宽带系统在高速传输大量数据的同时,容易产生多径干扰、高误码率、最终导致信号衰减。本文从超宽带信道通信检测、超宽带多址访问及超宽带定位三个方面对信号进行了检测和分析。本文将超宽带通信系统系统分为三层,即物理层、中间层和应用层。物理层主要研究和讨论了信道多簇信号的数据共享问题和性能参数估计问题,提出了层次狄利克雷过程和马尔科夫链算法相结合的多任务压缩感知方法并仿真验证。中间层主要探究了超宽带系统的多用户访问和抗干扰性能问题,提出了层次缩减贝叶斯压缩感知算法以及多用户干扰算法并仿真验证。应用层主要是将超宽带系统应用在室内位置定位领域,并检测和分析了室内位置估计的准确性和抗干扰性,提出了多任务压缩感知算法对采样信号进行重建,并利用加权最小二乘法进行定位估计并进行仿真验证。主要的研究成果如下:1.物理层:提出了一种多任务压缩感知的超宽带信道估计算法在物理层里,针对超宽带信道传送信号误差和多簇信号共享问题,利用多任务的贝叶斯压缩感知技术对超宽带信道进行性能估计和检测,并重构信号。首先,构建超宽带压缩感知系统架构,并同时建立压缩感知特征字典,利用特征向量重构信号。其次,采用了层次结构的狄利克雷过程来解决超宽带系统通信的多任务之间数据共享问题,并计算出信号的性能参数,即尖峰噪声比和规范化均方差,同时减少信号传输所需的时间。最后,分别在视距和非视距环境下,利用标准化IEEE802.15.4a信道模型仿真超宽带通信系统信道。给定信号测量度,实验仿真这一算法的性能参数指标即尖峰噪声比和均方差并获得与其他算法的对比曲线。实验结果验证了采用这一算法对信道传输的信号进行检测和分析,接收方能更准确的接受来自发送端的信号,传输信号所需的时间要比其他算法所花费的时间要少。2.中间层:提出了一种层次缩减贝叶斯压缩感知的超宽带系统性能检测算法在中间层里,针对超宽带通信时,容易产生用户多径访问和噪声干扰问题,本文提出了一种马尔科夫链与压缩感知技术相结合的多址访问和噪声干扰算法。首先,构建测量模型化方程。利用树结构的层次缩减算法和狄利克雷过程简化小波系数,降低计算复杂度。其次,构建跳时脉位调制的超宽带系统模型以及多用户干扰模型。将马尔科夫链和蒙特卡罗算法相结合检测多用户干扰系统的抗干扰性能,计算信号的误码率和均方差。最后,利用计算得到的误码率和均方差,比较和分析本文提出的算法性能,获得算法对比曲线。仿真结果显示这一算法的抑制噪声性能要优于其他无树结构压缩感知算法的噪声抑制性能。本文分别比较20位用户、50位用户、100位用户、300位用户、500位用户以及1000位用户同时访问超宽带系统的情况下,实验结果验证这一算法的抗干扰性要比其他算法的抗干扰性强,其误差概率也低于其他算法的误差概率。3.应用层:提出了一种基于多任务压缩感知的超宽带室内定位算法应用层里,针对超宽带室内定位问题,本文采用多任务压缩感知技术降低信号采样成本,提高定位的准确性。首先,利用多径超宽带信道内在的稀疏性和多任务压缩感知算法恢复并重构采样信号。其次,采用时间差到达算法和极大似然算法估计信道脉冲响应和延迟时间,求出目标节点和参考节点之间的距离。最后,实验仿真超宽带室内定位算法,多任务压缩感知算法分别利用不同的信号样本作为测量矩阵初始化信号。在矩形区域内室内多径非视距环境下,建立超宽带信号模型,分析比较这一算法与其他算法的定位准确性能,仿真结果显示采用较低采样率的信号能逼近超宽带信道的初始信号,本文提出的算法定位误差概率低于其他定位估计算法。同时,建立100m×100m的正方形区域,比较这一算法和最小二乘法的室内位置定位准确性能,仿真结果验证了当测距误差递增时,最小二乘法的平均定位误差也会增加,而本文提出的算法的平均定位误差是递减,并且与参考结点的数目也是成反比。因此,这一算法的定位准确性能优于最小二乘法的准确性能。
严曙[10]（2019）在《基于回归正则化模型马尔科夫边的发现研究和应用》文中进行了进一步梳理观察数据中发现变量之间的因果关系,解释事件是如何发生以及预测其未来发展趋势,几乎在所有学科中都有研究和应用。例如医学、生物学、经济学、物理学、社会科学等领域均把因果关系作为解释、预测和决策的基础。信息科学领域,可以使用贝叶斯网络中的马尔科夫毯（边）来表示真实世界中的因果关系。近年来,有学者采用基于回归正则化模型马尔科夫边的发现方法从观测数据中研究事件之间的因果相关性,并从理论上揭示了基于回归正则化模型的特征变量与马尔科夫边之间的关系。为了深入了解回归正则化模型马尔科夫边的发现性能以及置换检验方法对发现性能的影响,本文采用基于回归正则化模型与置换检验方法相结合的方式开展相关研究。具体内容包含下面四个方面:1.解剖了现有的修改岭回归模型（MRRLM-P:modified ridge regularized linear models with permutation）马尔科夫边的发现过程及其无法适用于变量共线数据集的不足,研究了变量共线与协方差奇异之间的关系,并提出一种新变种岭回归模型（NVRRLM-P:new variant ridge regularized linear models with permutation）。2.继续围绕MRRLM-P的不足,将三种经典回归正则化模型（岭回归模型、LASSO（least absolute shrinkage and selection operator）模型和弹性网络模型）与置换检验方法结合,以实证的方式在低维数据集上考察他们马尔科夫边的发现性能并与MRRLM-P比较。3.在回顾多元回归模型假设检验的基础上,讨论了置换检验的三种不同实现方法并分析了其在正则化模型中的表现形式及应用效果。其中,两种实现方法首次用于正则化模型马尔科夫边的发现,拓展了置换检验方法的应用范围。4.以一个具体的土壤近红外光谱分析应用实例,借助马尔科夫毯（边）理论对土壤有机质及麦角固醇含量的光谱矩阵进行“降维”,并使用最小二乘支持向量机（LS-SVM:least squares support veotor maohine）和 LASSO-P 建立校正模型。研究结论:新变量岭回归模型能够很好解决MRRLM-P不能适用于共线数据集的缺陷;在低维数据集上,存在与MRRLM-P有相近的马尔科夫边的发现性能的经典正则化模型;置换检验新拓展的二种实现方法略逊于先前的实现方法;马尔科夫毯（边）的理论能有效对光谱信息矩阵进行“降维”操作,两种校正模型均能很好地反应检测对象对光谱信息的依赖性（相关系数大于0.90）。
二、线性模型的最小二乘估计与马尔科夫估计（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、线性模型的最小二乘估计与马尔科夫估计（论文提纲范文）
（1）基于贝叶斯方法的铁路站房结构损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 确定性损伤识别方法 |
| 1.2.1 基于结构模态参数的确定性识别方法 |
| 1.2.2 基于实测响应信号的确定性识别方法 |
| 1.2.3 基于神经网络的确定性识别方法 |
| 1.2.4 基于模型修正的确定性识别方法 |
| 1.3 不确定性损伤识别方法 |
| 1.3.1 区间分析方法 |
| 1.3.2 模糊方法 |
| 1.3.3 随机有限元模型修正识别方法 |
| 1.3.4 基于贝叶斯理论的损伤识别方法 |
| 1.4 本文主要工作内容 |
| 2 结构响应和模型参数关系式求解 |
| 2.1 矩阵摄动法 |
| 2.1.1 矩阵摄动法基本原理 |
| 2.1.2 数值模型试验 |
| 2.2 最小二乘拟合法 |
| 2.2.1 最小二乘法基本原理 |
| 2.2.2 数值模型试验 |
| 2.3 随机响应面法 |
| 2.3.1 标准化处理 |
| 2.3.2 Hermite多项式级数展开 |
| 2.3.3 待定系数求解基本步骤 |
| 2.3.4 随机响应面模型建立流程 |
| 2.3.5 数值模型试验 |
| 2.4 计算结果误差比较 |
| 2.5 本章小结 |
| 3 基于贝叶斯方法损伤识别 |
| 3.1 贝叶斯方法 |
| 3.1.1 贝叶斯理论 |
| 3.1.2 基于贝叶斯方法的损伤识别方法 |
| 3.2 马尔科夫蒙特卡洛抽样方法 |
| 3.2.1 基本理论 |
| 3.2.2 MH抽样方法 |
| 3.3 基于贝叶斯方法的损伤识别流程 |
| 3.4 模型算例 |
| 3.4.1 有限元模型 |
| 3.4.2 损伤工况 |
| 3.4.3 损伤识别及结果分析 |
| 3.5 本章小结 |
| 4 基于贝叶斯方法的襄阳东津站损伤识别 |
| 4.1 车站有限元模型 |
| 4.2 对承轨层的贝叶斯损伤识别计算 |
| 4.2.1 敏感性分析 |
| 4.2.2 模型损伤工况 |
| 4.2.3 模型损伤识别结果分析 |
| 4.3 本章小结 |
| 结论 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）两类改进的MGM（1，m）模型及其在雾霾中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 灰色MGM(1,m)模型 |
| 1.2.2 组合模型 |
| 1.2.3 雾霾的相关研究 |
| 1.3 研究内容 |
| 1.4 研究思路与技术路线 |
| 第二章 基于单一罚参数的MGM(1,m)模型 |
| 2.1 MGM(1,m)模型的建模机理 |
| 2.1.1 MGM(1,m)模型的构建 |
| 2.1.2 基于传统算法的MGM(1,m)模型的参数估计 |
| 2.2 基于单一罚参数的MGM(1,m)模型的建模机理 |
| 2.2.1 基于单一罚参数的MGM(1,m)模型的参数估计 |
| 2.2.2 带单一罚参数约束的最小二乘法的性质 |
| 2.2.3 粒子群算法下的罚参数确定 |
| 2.2.4 模型的精度检验 |
| 2.3 实例分析 |
| 2.4 本章小结 |
| 第三章 基于罚向量的MGM(1,m)模型 |
| 3.1 基于罚向量的MGM(1,m)模型的建模机理 |
| 3.1.1 基于罚向量的MGM(1,m)模型的构建 |
| 3.1.2 罚向量的确定 |
| 3.2 罚向量估计的具体实施 |
| 3.2.1 罚向量模长的约束条件 |
| 3.2.2 罚向量估计的步骤 |
| 3.3 案例分析 |
| 3.4 本章小结 |
| 第四章 基于卡尔曼滤波的MGM-多维AR(p)组合模型 |
| 4.1 多维AR(p)模型 |
| 4.1.1 多维AR(p)模型的构建 |
| 4.1.2 多维AR(p)模型参数估计的最小二乘法 |
| 4.1.3 多维AR(p)模型的定阶 |
| 4.2 基于卡尔曼滤波的MGM-多维AR(p)组合模型的建模机理 |
| 4.2.1 离散线性系统的卡尔曼滤波 |
| 4.2.2 基于卡尔曼滤波的MGM(1,m)模型的构建 |
| 4.2.3 基于卡尔曼滤波的MGM-多维AR(p)组合模型的构建 |
| 4.2.4 组合模型的建模流程 |
| 4.3 案例分析 |
| 4.3.1 基于卡尔曼滤波的MGM-多维AR(p)模型对杭州市雾霾数据的建模 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 附表1:第二章结果 |
| 附表2:第三章结果 |
| 致谢 |
| 作者简介 |
（3）基于贝叶斯估计的瞬变电磁概率反演及不确定性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及技术路线 |
| 1.4 创新点 |
| 第二章 瞬变电磁贝叶斯反演理论 |
| 2.1 贝叶斯反演概述 |
| 2.2 瞬变电磁定维数贝叶斯反演 |
| 2.2.1 模型参数初始化 |
| 2.2.2 加权先验概率 |
| 2.2.3 似然函数 |
| 2.2.4 基于M-H准则的MCMC抽样 |
| 2.2.5 分阶段尺度因子控制的建议分布 |
| 2.2.6 收敛判断 |
| 2.3 瞬变电磁变维数贝叶斯反演 |
| 2.3.1 模型参数初始化 |
| 2.3.2 多参数混合先验分布 |
| 2.3.3 似然函数 |
| 2.3.4 双因子控制的RJMCMC采样 |
| 2.3.5 多链并行与基于PSRF-RMS的收敛判别准则 |
| 2.4 小结 |
| 第三章 合成模型算例及不确定性分析 |
| 3.1 定维数贝叶斯反演算例及不确定性分析 |
| 3.1.1 模型初始化及参数设置 |
| 3.1.2 一维三层地电模型定维数贝叶斯反演及不确定性分析 |
| 3.1.3 分阶段尺度因子控制的建议分布作用分析 |
| 3.2 变维数贝叶斯反演算例及不确定性分析 |
| 3.2.1 模型初始化及参数设置 |
| 3.2.2 一维三层地电模型变维数贝叶斯反演及不确定性分析 |
| 3.3 小结 |
| 第四章 实测数据反演分析 |
| 4.1 工区概况 |
| 4.2 反演解释与分析 |
| 4.2.1 模型初始化及参数设置 |
| 4.2.2 测点反演结果及不确定性分析 |
| 4.2.3 钻研验证与地质解释 |
| 4.3 小结 |
| 第五章 结论与展望 |
| 5.1 研究结论 |
| 5.2 研究展望 |
| 参考文献 |
| 在读期间参与的科研项目 |
| 在读期间发表的科研成果 |
| 在读期间获得的奖励 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（4）恶意攻击情形下信息物理系统的安全控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题研究现状 |
| 1.2.1 信息物理系统攻击检测研究进展 |
| 1.2.2 拒绝服务攻击情形下信息物理系统安全研究进展 |
| 1.2.3 虚假数据注入攻击情形下信息物理系统安全研究进展 |
| 1.3 本论文研究范围 |
| 1.4 本论文的主要研究内容 |
| 1.4.1 拒绝服务攻击情形下的信息物理系统安全控制设计 |
| 1.4.2 虚假数据注入攻击情形下的信息物理系统安全控制设计 |
| 第2章 拒绝服务攻击情形下基于防御策略的安全滑模控制 |
| 2.1 引言 |
| 2.2 系统描述与准备工作 |
| 2.2.1 物理过程描述 |
| 2.2.2 拒绝服务攻击 |
| 2.3 安全滑模控制设计 |
| 2.3.1 估计器设计 |
| 2.3.2 滑模控制方法 |
| 2.3.3 稳定性分析 |
| 2.3.4 安全滑模控制器设计 |
| 2.3.5 仿真结果 |
| 2.4 基于防御的安全控制 |
| 2.4.1 最优防御策略设计 |
| 2.4.2 基于防御策略的估计器设计 |
| 2.4.3 滑动模态分析 |
| 2.4.4 基于防御策略的安全滑模控制设计 |
| 2.4.5 仿真结果 |
| 2.5 本章小结 |
| 第3章 基于强化学习的信息物理系统跟踪控制设计 |
| 3.1 引言 |
| 3.2 系统描述与预备知识 |
| 3.2.1 物理动态与参考模型描述 |
| 3.2.2 基于SINR的通讯模型 |
| 3.3 安全最优跟踪控制器设计以及稳定性分析 |
| 3.3.1 值函数分析 |
| 3.3.2 最优跟踪控制器设计 |
| 3.3.3 黎卡提方程解的分析 |
| 3.4 Q学习最优跟踪控制器设计 |
| 3.4.1 算法收敛性分析 |
| 3.4.2 仿真结果 |
| 3.5 离线学习控制设计算法 |
| 3.5.1 基于模型的离线控制策略设计 |
| 3.5.2 无模型的离线学习控制策略设计 |
| 3.5.3 仿真结果 |
| 3.6 本章小结 |
| 第4章 执行器攻击情形下基于零和博弈的最优安全控制 |
| 4.1 引言 |
| 4.2 系统描述 |
| 4.2.1 物理对象模型描述 |
| 4.2.2 执行器攻击 |
| 4.3 最优安全控制策略设计与性能分析 |
| 4.3.1 最优估计器设计 |
| 4.3.2 基于零和博弈的最优策略设计 |
| 4.3.3 博弈黎卡提方程解的收敛性分析 |
| 4.4 在线控制策略设计 |
| 4.5 仿真结果 |
| 4.6 本章小结 |
| 第5章 基于移动目标防御和零和博弈的安全控制设计 |
| 5.1 引言 |
| 5.2 系统描述与预备知识 |
| 5.2.1 物理对象描述:基于切换系统形式的建模方法 |
| 5.2.2 攻击情形下的闭环系统 |
| 5.3 移动目标防御安全控制设计与稳定性分析 |
| 5.3.1 控制策略与移动目标防御机制设计 |
| 5.3.2 稳定性分析 |
| 5.4 攻击诊断与分离 |
| 5.4.1 攻击诊断观测器设计 |
| 5.4.2 攻击分离设计 |
| 5.5 基于移动目标防御和强化学习的安全控制算法设计 |
| 5.5.1 基于强化学习的被动控制设计 |
| 5.5.2 安全控制算法设计与收敛性分析 |
| 5.6 仿真结果 |
| 5.6.1 两个执行机构同时受到攻击 |
| 5.6.2 部分执行机构受到攻击 |
| 5.7 本章小结 |
| 第6章 基于深度强化学习应对执行器攻击的控制方法 |
| 6.1 引言 |
| 6.2 系统描述与问题阐述 |
| 6.2.1 物理系统描述 |
| 6.2.2 网络攻击下的信息物理系统 |
| 6.3 基于深度强化学习的安全控制算法设计与实现 |
| 6.3.1 马尔科夫决策过程 |
| 6.3.2 强化学习算法 |
| 6.3.3 深度神经网络近似 |
| 6.3.4 基于李雅普诺夫函数的柔性actor-critic深度强化学习控制算法实现 |
| 6.4 算法收敛性和系统稳定性分析 |
| 6.4.1 算法收敛性分析 |
| 6.4.2 基于数据的稳定性分析 |
| 6.5 仿真结果 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（5）基于物联网的农村区域水环境智能监测及预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 基于物联网、机器学习的水环境监测研究现状 |
| 1.2.1 基于物联网的水环境监测系统研究 |
| 1.2.2 基于机器学习的水环境监测方法研究 |
| 1.3 农村区域水环境自动监测需求 |
| 1.3.1 农村区域水环境存在的问题 |
| 1.3.2 农村区域水环境自动监测需求分析 |
| 1.4 农村水环境监测指标体系 |
| 1.4.1 水环境监测指标 |
| 1.4.2 农村水环境监测指标类型及选取原则 |
| 1.4.3 农村水环境自动监测指标 |
| 1.5 本论文的研究内容 |
| 1.6 本章小结 |
| 第2章 智慧水务背景下的水环境监测网络体系结构研究 |
| 2.1 智慧水务总体架构设计 |
| 2.2 基于物联网的智慧水环境监测网络体系结构设计 |
| 2.2.1 智慧水环境监测网络面临的潜在挑战 |
| 2.2.2 智慧水环境监测网络体系结构研究 |
| 2.3 本章小结 |
| 第3章 水环境监测WSN建模与性能分析方法研究 |
| 3.1 农村区域水环境监测WSN结构设计 |
| 3.1.1 水环境WSN部署策略 |
| 3.1.2 水环境监测WSN覆盖要求 |
| 3.1.3 面向农村区域水环境监测的WSN网络模型 |
| 3.2 水环境监测WSN形式化建模与性能分析 |
| 3.2.1 随机进程代数 |
| 3.2.2 PEPA建模方法 |
| 3.2.3 基于PEPA的水环境监测WSN建模与性能分析 |
| 3.3 基于PEPA的ITS建模和工作流程评价 |
| 3.3.1 ITS中的实时定位和路径规划系统及其工作流程 |
| 3.3.2 ITS的PEPA建模 |
| 3.3.3 系统参数设定 |
| 3.3.4 性能指标提取及分析 |
| 3.4 本章小结 |
| 第4章 基于TD-LTE专网的水环境监测系统及方法研究 |
| 4.1 基于TD-LTE专网的水环境监测系统 |
| 4.1.1 水环境监测终端 |
| 4.1.2 TD-LTE基站 |
| 4.1.3 水环境监控中心 |
| 4.1.4 智能移动终端 |
| 4.1.5 TD-LTE终端和卫星终端 |
| 4.2 基于TD-LTE专网的水环境监测方法 |
| 4.3 本章小结 |
| 第5章 基于递推最小二乘的水环境监测WSN数据融合算法研究 |
| 5.1 水环境监测网络中的数据融合 |
| 5.2 基于最小二乘的水环境监测WSN数据融合 |
| 5.2.1 最小二乘估计 |
| 5.2.2 基于最小二乘的水环境监测WSN数据融合模型 |
| 5.3 基于递推最小二乘的水环境监测WSN数据融合 |
| 5.3.1 问题的提出 |
| 5.3.2 递推最小二乘的前推和后推算法 |
| 5.3.3 基于递推最小二乘的数据融合算法 |
| 5.3.4 算法分析 |
| 5.4 本章小结 |
| 第6章 基于LSTM深度神经网络的水质预测模型研究 |
| 6.1 数据预处理 |
| 6.1.1 数据来源 |
| 6.1.2 数据预处理 |
| 6.2 基于LSTM深度神经网络的水质单参数预测模型研究 |
| 6.2.1 水质单参数时间序列预测 |
| 6.2.2 LSTM神经网络 |
| 6.2.3 基于LSTM深度神经网络的水质预测模型及其工作流程 |
| 6.2.4 实验仿真 |
| 6.2.5 三种时间序列预测模型比较 |
| 6.3 基于LSTM深度神经网络的水质多参数预测模型研究 |
| 6.3.1 水质多参数时间序列预测 |
| 6.3.2 基于LSTM深度神经网络的水质多参数预测模型 |
| 6.3.3 实验仿真 |
| 6.3.4 水质单参数预测模型与多参数预测模型对比 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间取得的主要学术成果 |
| 致谢 |
（6）基于多级票价体系的高铁席位存量控制优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 收益管理理论研究现状 |
| 1.2.2 铁路收益管理理论研究现状 |
| 1.2.3 铁路客运收益管理应用实践 |
| 1.2.4 研究现状总结 |
| 1.3 研究内容及论文框架 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 论文结构 |
| 2 基于多级票价体系的席位存量控制问题分析 |
| 2.1 高速铁路运营特征分析 |
| 2.2 高速铁路收益管理的可行性分析 |
| 2.2.1 政策环境 |
| 2.2.2 技术经济特征 |
| 2.2.3 软件和硬件技术支撑 |
| 2.3 基于多级票价体系的席位存量控制理论分析 |
| 2.3.1 问题描述 |
| 2.3.2 问题分析 |
| 2.3.3 问题建模 |
| 2.3.4 模型特点 |
| 2.3.5 求解思路 |
| 2.4 本章小结 |
| 3 基于动态规划分解的高铁席位存量动态控制优化 |
| 3.1 基于资源分解的席位存量动态控制方法 |
| 3.1.1 高铁收益管理动态规划模型 |
| 3.1.2 动态控制模型的求解复杂度分析 |
| 3.1.3 两阶段席位动态控制机制 |
| 3.2 基于马尔科夫链选择模型的品类优化问题 |
| 3.2.1 马尔科夫链选择模型 |
| 3.2.2 品类优化模型 |
| 3.2.3 基于马尔科夫链选择模型的品类优化求解算法 |
| 3.3 基于最小二乘法的策略迭代算法 |
| 3.3.1 价值函数的近似 |
| 3.3.2 近似策略迭代算法 |
| 3.3.3 参数更新 |
| 3.4 仿真实验 |
| 3.4.1 实验数据 |
| 3.4.2 结果及讨论 |
| 3.5 本章小结 |
| 4 基于随机规划的高铁席位存量静态分配优化 |
| 4.1 高铁席位存量分配问题描述 |
| 4.1.1 旅客选择行为 |
| 4.1.2 随机需求 |
| 4.2 高铁席位存量随机分配模型 |
| 4.2.1 模型建立 |
| 4.2.2 模型求解 |
| 4.3 高铁席位存量控制策略 |
| 4.3.1 单阶段静态控制策略 |
| 4.3.2 多阶段动态控制策略 |
| 4.4 数值实验 |
| 4.4.1 小规模实验 |
| 4.4.2 扩大规模实验 |
| 4.4.3 控制策略仿真实验 |
| 4.5 本章小结 |
| 5 高铁席位存量分配与可变编组决策的联合优化 |
| 5.1 可变编组技术应用分析 |
| 5.1.1 可变编组的编组形式 |
| 5.1.2 可变编组的应用前景分析 |
| 5.1.3 可变编组与存量控制联合优化的意义 |
| 5.2 单列车席位存量分配与可变编组联合优化模型 |
| 5.2.1 问题描述 |
| 5.2.2 模型建立 |
| 5.2.3 粒子群求解算法 |
| 5.3 多列车席位存量分配与可变编组联合优化模型 |
| 5.3.1 问题描述 |
| 5.3.2 模型建立 |
| 5.3.3 模型求解 |
| 5.4 数值实验 |
| 5.4.1 单列车优化实验 |
| 5.4.2 多列车优化实验 |
| 5.4.3 实验总结 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究工作及结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录 部分投标价格示例 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）贝叶斯框架下一类l0范数稀疏线性回归模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容和结构安排 |
| 第2章 预备知识 |
| 2.1 模型介绍 |
| 2.2 贝叶斯估计 |
| 2.3 常见的线性模型稀疏学习算法 |
| 2.3.1 正交匹配追踪算法( Orthogonal Matching Pursuit Algorothm ) |
| 2.3.2 Lasso ( Least Absolute Shrinkage and Selection Operator ) |
| 2.3.3 SCAD ( Smoothly Clipped Absolute Deviation ) |
| 2.3.4 MCP ( Minimax Concave Penalty ) |
| 2.4 马尔科夫链蒙特卡洛法( Markov Chain Monte Carlo method, MCMC ) |
| 2.5 本章小结 |
| 第3章 贝叶斯估计及其渐近性质 |
| 3.1 贝叶斯估计 |
| 3.1.1 先验分布与后验分布 |
| 3.1.2 最大后验估计与后验期望估计 |
| 3.2 渐近性质 |
| 3.2.1 Oracle不等式 |
| 3.2.2 贝叶斯后验一致性 |
| 3.2.3 估计误差 |
| 3.3 理论证明 |
| 3.3.1 引理及其证明 |
| 3.3.2 定理证明 |
| 3.4 本章小结 |
| 第4章 贝叶斯框架下的稀疏学习算法及数值模拟 |
| 4.1 贝叶斯框架下的稀疏学习算法 |
| 4.2 数值模拟 |
| 4.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（8）基于HMC算法的太阳观测信号中红噪声估计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 红噪声估计的研究现状 |
| 1.2.2 收敛性诊断的研究现状 |
| 1.2.3 HMC方法的研究现状 |
| 1.3 本文的主要内容和组织结构 |
| 1.4 本章小结 |
| 第二章 红噪声估计现状存在的问题及解决办法 |
| 2.1 存在的问题 |
| 2.2 解决方法 |
| 2.3 本章小结 |
| 第三章 HMC及格尔曼-鲁宾方法概述 |
| 3.1 HMC方法概述 |
| 3.2 格尔曼-鲁宾方法概述 |
| 3.3 本章小结 |
| 第四章 HMC方法与格尔曼-鲁宾方法的有效性验证 |
| 4.1 HMC方法的有效性验证 |
| 4.1.1 红噪声生成以及模型选择 |
| 4.1.2 参数设置 |
| 4.1.3 模型拟合以及置信区间的计算 |
| 4.2 格尔曼-鲁宾方法的有效性评价 |
| 4.2.1 收敛判断的重要性评价 |
| 4.2.2 收敛判断的有效性评价 |
| 4.3 本章小结 |
| 第五章 HMC方法的优越性评价 |
| 5.1 HMC方法的拟合精度优越性评价 |
| 5.2 HMC方法的收敛速度优越性评价 |
| 5.3 本章小结 |
| 第六章 HMC方法和格尔曼-鲁宾方法的实际应用 |
| 6.1 黑子振荡分析 |
| 6.1.1 黑子的数据选择 |
| 6.1.2 黑子的数据预处理 |
| 6.1.3 黑子数据模型及先验分布的设置 |
| 6.1.4 结果分析 |
| 6.2 耀斑振荡分析 |
| 6.2.1 耀斑的数据选择 |
| 6.2.2 耀斑的数据预处理 |
| 6.2.3 耀斑数据模型及先验分布的设置 |
| 6.2.4 结果分析 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A: 攻读学位期间成果目录 |
（9）超宽带系统参数估计与检测分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 相关研究及进展 |
| 1.3.1 超宽带国内外研究状况 |
| 1.3.2 超宽带信号稀疏表示及应用 |
| 1.3.3 基于压缩感知的超宽频多用户访问干扰性能检测 |
| 1.3.4 基于压缩感知的超宽带室内定位性能检测 |
| 1.4 论文的研究内容和主要贡献 |
| 1.5 论文结构 |
| 第二章 信号参数估计和检测综述 |
| 2.1 超宽带通信系统稀疏信号表示算法综述 |
| 2.2 超宽带稀疏信道估计综述 |
| 2.2.1 信道模式和基于训练方法 |
| 2.2.2 信道压缩感知 |
| 2.3 超宽带多址访问技术 |
| 2.4 超宽带通信系统室内定位算法 |
| 2.5 小结 |
| 2.5.1 本章研究难点 |
| 2.5.2 本章研究结果 |
| 第三章 多任务压缩感知的超宽带信道估计 |
| 3.1 超宽带系统的多任务压缩感知架构 |
| 3.1.1 多任务压缩感知架构模型 |
| 3.1.2 压缩感知特征字典 |
| 3.2 基于层次狄利克雷马尔科夫链链多任务压缩感知算法的超宽带信道估计 |
| 3.2.1 层次狄利克雷过程算法 |
| 3.2.2 基于层次狄利克雷马尔科夫链模型多任务压缩感知框架的超宽带信道估计 |
| 3.3 仿真与讨论 |
| 3.3.1 模拟信道脉冲响应 |
| 3.3.2 均方差和尖峰噪声比性能 |
| 3.3.3 不同场景的误码率和均方差性能 |
| 3.3.4 算法的运行时间比较 |
| 3.4 小结 |
| 第四章 层次缩减贝叶斯压缩感知的超宽带系统性能检测 |
| 4.1 层次缩减贝叶斯压缩感知算法的基本架构 |
| 4.1.1 基于贝叶斯压缩感知算法的超宽带信号重构 |
| 4.1.2 测量模型的构建 |
| 4.1.3 基于树结构的层次缩减算法 |
| 4.1.4 狄利克雷过程的简化 |
| 4.1.5 L′evy-Khintchine理论 |
| 4.2 多用户干扰超宽带系统模型 |
| 4.2.1 跳时脉位调制(TH-PPM)超宽带系统模型 |
| 4.2.2 多用户干扰模型 |
| 4.3 马尔可夫链蒙特卡罗多用户干扰算法 |
| 4.3.1 噪声产生模型 |
| 4.3.2 马尔可夫链蒙特卡罗(MCMC)多用户干扰算法 |
| 4.4 数字仿真 |
| 4.4.1 仿真环境 |
| 4.4.2 超宽带系统的准确性能检测 |
| 4.4.3 超宽带系统的抗干扰性检测 |
| 4.5 小结 |
| 第五章 基于多任务压缩感知的室内多径超宽带定位 |
| 5.1 脉冲无线电超宽带定位系统 |
| 5.1.1 超宽带信道模型的建立 |
| 5.1.2 超宽带定位系统的建立 |
| 5.2 基于时间差到达算法的超宽带室内定位 |
| 5.3 基于多任务压缩感知的超宽带室内定位过程 |
| 5.3.1 基于多任务贝叶斯感知算法的超宽带信道重构 |
| 5.3.2 加权最小二乘法室内定位过程 |
| 5.4 数字仿真 |
| 5.4.1 仿真环境 |
| 5.4.2 超宽带定位信号重构 |
| 5.4.3 多任务压缩感知算法准确性能 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表论文和科研情况 |
| 致谢 |
（10）基于回归正则化模型马尔科夫边的发现研究和应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 研究现状 |
| 1.2.1 马尔科夫毯(边)学习算法研究 |
| 1.2.2 基于正则化模型的特征选择研究 |
| 1.2.3 特征变量与马尔科夫毯(边)关系 |
| 1.3 研究内容与技术路线 |
| 1.4 论文组织结构 |
| 第2章 马尔科夫毯(边)的相关理论及经典算法 |
| 2.1 符号约定 |
| 2.2 相关背景知识 |
| 2.2.1 贝叶斯网络概述 |
| 2.2.2 因果关系及判定方法 |
| 2.2.3 马尔科夫边理论 |
| 2.3 马尔科夫毯(边)的经典算法 |
| 2.3.1 IAMB及其派生算法 |
| 2.3.2 MMMB-MB/HITON-MB算法 |
| 2.3.3 PCMB算法 |
| 2.3.4 IPC-MB算法 |
| 2.4 本章小节 |
| 第3章 基于变种岭回归模型马尔科夫边的发现 |
| 3.1 引言 |
| 3.2 背景知识 |
| 3.2.1 一般线性回归模型与岭回归模型 |
| 3.2.2 特征变量与马尔科夫边 |
| 3.2.3 马尔科夫边与“降维”空间 |
| 3.3 变种岭回归模型 |
| 3.3.1 修改的岭回归模型(MRRLM) |
| 3.3.2 新变种岭回归模型(NVRRLM) |
| 3.4 NVRRLM-P马尔科夫边发现算法 |
| 3.5 实验模拟与分析 |
| 3.5.1 实验环境与过程 |
| 3.5.2 结果与分析 |
| 3.6 本章小节 |
| 第4章 正则化模型马尔科夫边的发现实证研究 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 正则化模型概述 |
| 4.3.1 岭回归模型 |
| 4.3.2 LASSO模型 |
| 4.3.3 弹性网络模型 |
| 4.4 实验方法 |
| 4.4.1 目标和思路 |
| 4.4.2 评价指标 |
| 4.5 实验模拟与分析 |
| 4.5.1 数据集 |
| 4.5.2 实验过程 |
| 4.5.3 结果与分析 |
| 4.6 结论 |
| 第5章 正则化模型中置换检验方法的研究 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 假设检验和置换检验 |
| 5.3.1 假设检验和P值 |
| 5.3.2 置换检验和P值 |
| 5.4 三种经典的置换方法 |
| 5.4.1 原数据置换法(Raw data) |
| 5.4.2 简化模型置换法(Reduced model) |
| 5.4.3 全模型置换法(Full model) |
| 5.5 正则化模型中置换检验方法 |
| 5.5.1 基于原数据置换检验法 |
| 5.5.2 基于简化模型置换检验法 |
| 5.5.3 基于全模型置换检验法 |
| 5.5.4 P值计算分析 |
| 5.6 实验模拟 |
| 5.6.1 实验过程 |
| 5.6.2 实验算法 |
| 5.6.3 结果与分析 |
| 5.7 本章小节 |
| 第6章 马尔科夫边在近红外光谱分析中的应用研究 |
| 6.1 引言 |
| 6.2 相关工作 |
| 6.3 领域知识概述 |
| 6.3.1 数据预处理阶段 |
| 6.3.2 样本选择阶段 |
| 6.3.3 波长优选阶段 |
| 6.3.4 常见的校正模型 |
| 6.4 基于MB-LS-SVM校正模型 |
| 6.5 实验模拟与分析 |
| 6.5.1 数据源 |
| 6.5.2 评价指标 |
| 6.5.3 实验过程及环境 |
| 6.5.4 结果与分析 |
| 6.6 本章小结 |
| 第7章 总结和展望 |
| 7.1 全文总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 图表目录 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
四、线性模型的最小二乘估计与马尔科夫估计（论文参考文献）
- [1]基于贝叶斯方法的铁路站房结构损伤识别研究[D]. 墙梓薇. 大连理工大学, 2021(01)
- [2]两类改进的MGM（1，m）模型及其在雾霾中的应用研究[D]. 檀成伟. 南京信息工程大学, 2021(01)
- [3]基于贝叶斯估计的瞬变电磁概率反演及不确定性分析[D]. 张诺亚. 山东大学, 2021(12)
- [4]恶意攻击情形下信息物理系统的安全控制研究[D]. 吴承伟. 哈尔滨工业大学, 2021(02)
- [5]基于物联网的农村区域水环境智能监测及预测方法研究[D]. 刘萍. 扬州大学, 2020
- [6]基于多级票价体系的高铁席位存量控制优化研究[D]. 闫振英. 北京交通大学, 2020
- [7]贝叶斯框架下一类l0范数稀疏线性回归模型研究[D]. 柯东杰. 北京工业大学, 2020(06)
- [8]基于HMC算法的太阳观测信号中红噪声估计方法研究[D]. 孟瑶. 昆明理工大学, 2020(07)
- [9]超宽带系统参数估计与检测分析[D]. 李晓飞. 华东师范大学, 2019(02)
- [10]基于回归正则化模型马尔科夫边的发现研究和应用[D]. 严曙. 中国科学技术大学, 2019(08)