学位论文 > 优秀研究生学位论文题录展示

贝叶斯方法下二值与多值序次数据模型与异常点的同时识别

作　者: 王康宁
导　师: 汪四水
学　校: 苏州大学
专　业: 概率论与数理统计
关键词: 数据扩增 Gibbs抽样模型选择异常点识别二值与多值序次数据
分类号: O212.1
类　型: 硕士论文
年　份: 2011年
下　载: 10次
引　用: 0次
阅　读: 论文下载

内容摘要

本文首先讨论了基于贝叶斯方法进行模型选择与异常点识别时两者之间的相互影响关系,建议模型选择与异常点识别应结合起来同时考虑,而Gibbs抽样基于满条件的迭代恰好能够体现这种结合,因此选择Gibbs抽样算法.其次,给出了利用数据扩增方法基于模型与异常点识别变量的后验概率,进行模型与异常点同时识别的具体方法.最后,具体针对二值数据与多值序次数据,给出了利用Gibbs抽样进行模型与异常点同时识别的方法,而且通过具体的模拟算例展示了模型与异常点同时识别的过程和识别的效果.

全文目录

中文摘要  4-5
Abstract  5-7
第一章引言  7-15
  1.1 模型与异常点的概念及识别的意义  7-8
  1.2 Gibbs抽样  8-9
  1.3 贝叶斯方法模型与异常点识别的发展现状  9-13
  1.4 本文的工作和本文结构  13-15
第二章关于模型选择与异常点识别的讨论  15-18
  2.1 模型选择与异常点识别的关系  15-16
  2.2 选择Gibbs抽样计算的理由  16-18
第三章模型与异常点的同时识别  18-26
  3.1 二值数据模型与异常点的同时识别  18-21
  3.2 多值序次数据模型与异常点的同时识别  21-26
第四章模拟算例及讨论  26-31
  4.1 二值数据算例  26-28
  4.2 多值序次数据算例  28-31
第五章结论及有待研究的问题  31-32
  5.1 结论  31
  5.2 有待研究的问题  31-32
参考文献  32-34
致谢  34-35

贝叶斯方法下二值与多值序次数据模型与异常点的同时识别

内容摘要

全文目录

相似论文