時(shí)序數(shù)據(jù)是通過對(duì)現(xiàn)實(shí)中的物理系統(tǒng)依照時(shí)間順序采樣而得到的有序觀測(cè)序列,反映了實(shí)際物理系統(tǒng)所具備的統(tǒng)計(jì)特征。不同于一般的向量數(shù)據(jù),對(duì)于時(shí)序數(shù)據(jù),研究的重點(diǎn)在于分析數(shù)據(jù)所反映的物理系統(tǒng),而非單純的序列本身。所以,針對(duì)時(shí)序數(shù)據(jù)進(jìn)行建模實(shí)際上是研究如何表述實(shí)際物理系統(tǒng)的數(shù)學(xué)形式,進(jìn)而為數(shù)據(jù)挖掘和數(shù)據(jù)優(yōu)化提供基礎(chǔ)。線性時(shí)不變狀態(tài)空間模型（Linear Time-Invariant State-Space Model）融合了生成模型和貝葉斯濾波理論,其有效性已經(jīng)獲得廣泛的認(rèn)同,并且在很多領(lǐng)域得到了應(yīng)用,該模型為近似數(shù)據(jù)背后的物理模型提供了一種有效的工具。該模型既可以反應(yīng)時(shí)序數(shù)據(jù)不同維度之間的相關(guān)性,也可以反應(yīng)數(shù)據(jù)總體的變化趨勢(shì),另外,狀態(tài)空間模型具備一般生成模型的特點(diǎn),可以從受到噪聲干擾的觀測(cè)數(shù)據(jù)中利用統(tǒng)計(jì)推斷發(fā)掘出隱含的數(shù)據(jù)生成規(guī)律,并且模型本身的數(shù)學(xué)形式也使得后續(xù)對(duì)生成規(guī)律的分析和解釋更為容易。本文集中討論了線性時(shí)不變狀態(tài)空間模型中的兩個(gè)關(guān)鍵問題:多模型辨識(shí)和參數(shù)優(yōu)化,前者研究利用時(shí)序數(shù)據(jù)集來建立多個(gè)參數(shù)模型,或利用外部約束條件對(duì)單模型辨識(shí)算法進(jìn)行改進(jìn),而后者則是研究如何通過優(yōu)化算法或改變模型... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：123 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
符號(hào)說明
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 迭代優(yōu)化方法
        1.2.2 子空間方法
        1.2.3 辨識(shí)方法擴(kuò)展
    1.3 論文的主要內(nèi)容簡介
    1.4 本章小結(jié)
第2章 多模型情況下的多樣性研究
    2.1 課題研究背景和意義
    2.2 行列式點(diǎn)過程
    2.3 多樣性先驗(yàn)
        2.3.1 狀態(tài)空間模型的模型表示
        2.3.2 多樣性正則項(xiàng)
        2.3.3 優(yōu)化方法
    2.4 實(shí)驗(yàn)驗(yàn)證
        2.4.1 實(shí)驗(yàn)設(shè)置
        2.4.2 人工數(shù)據(jù)集
        2.4.3 基準(zhǔn)數(shù)據(jù)集
    2.5 本章小結(jié)
第3章 基于貝葉斯優(yōu)化的參數(shù)推斷
    3.1 課題研究背景和意義
    3.2 貝葉斯優(yōu)化
        3.2.1 高斯過程
        3.2.2 期望改善方法
    3.3 方向性約束
    3.4 實(shí)驗(yàn)驗(yàn)證
        3.4.1 評(píng)價(jià)標(biāo)準(zhǔn)
        3.4.2 數(shù)值模擬
        3.4.3 基準(zhǔn)數(shù)據(jù)集
    3.5 本章小結(jié)
第4章 流體狀態(tài)機(jī)在時(shí)序數(shù)據(jù)分類上的應(yīng)用
    4.1 課題研究背景和意義
    4.2 模型表述
        4.2.1 多模型下的距離度量方法
        4.2.2 模型擴(kuò)展
    4.3 實(shí)驗(yàn)驗(yàn)證
        4.3.1 合成數(shù)據(jù)處理
        4.3.2 基準(zhǔn)數(shù)據(jù)測(cè)試
    4.4 本章小結(jié)
第5章 模型復(fù)雜度估計(jì)
    5.1 課題研究背景和意義
    5.2 最小編碼描述長度
    5.3 模型復(fù)雜度判別標(biāo)準(zhǔn)
    5.4 實(shí)驗(yàn)?zāi)M
        5.4.1 序列預(yù)測(cè)
        5.4.2 真實(shí)數(shù)據(jù)集
        5.4.3 模型階數(shù)消減
        5.4.4 非線性數(shù)據(jù)集
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 全文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
附錄A 行列式點(diǎn)過程計(jì)算補(bǔ)充
    A.1 歸一化系數(shù)
    A.2 方程求解方法
附錄B 后驗(yàn)分布的更新
附錄C 線性狀態(tài)空間模型的復(fù)雜度估計(jì)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]子空間模型辨識(shí)方法綜述[J]. 李幼鳳,蘇宏業(yè),褚健.  化工學(xué)報(bào). 2006(03)

博士論文
[1]狀態(tài)空間模型辨識(shí)方法研究[D]. 衷路生.中南大學(xué) 2011

碩士論文
[1]EM算法及其應(yīng)用[D]. 張宏東.山東大學(xué) 2014



本文編號(hào)：3445327