导读:本文包含了协方差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:协方差,函数,高斯,模型,过程,矩阵,特征。
协方差函数论文文献综述
王特[1]（2018）在《均值未知的单变量时间序列自协方差函数的无偏估计及其应用》一文中研究指出本文参考了对于均值未知的单变量时间序列自协方差函数的一种完全(几乎)无偏估计。该估计量是使用去均值化的观测数据计算而得到的普通样本自协方差的一个线性函数。具体做法是将普通样本自协方差组合构成一个向量,并且这一向量的期望是总体自协方差的一个线性组合。我们使用一个矩阵来描述这些线性组合的权重,并将该矩阵记为A。当时间持续较长的数据总体自协方差是0(很小)时,我们便能通过A矩阵左上部分子矩阵的逆得到剩余自协方差函数的完全(几乎)无偏估计。A-矩阵估计量与常用的样本自协方差估计量相比近似等效。前人的模拟结果也显示,A-矩阵估计量能在充分减少偏差的同时不增加均方误差(MSE)。本文通过讨论上述得到的A-矩阵估计量在多种实际时间序列数据上所体现出的效果,对A-矩阵估计量的实际估计效果进行了一定的判断并对其能否进行推广进行了进一步的验证。本文选取了全国从2013年1月至2017年12月的几项实际数据,并应用ARIMA模型对它们构建时间序列模型。然后,我们计算出对应的自协方差函数的A-矩阵估计量,并将其估计结果与两个常用的较为标准的自协方差函数估计量的估计结果进行了对比。结合前人已经得到的A-矩阵估计量的模拟结果,我们可以发现:当时间序列模型中没有AR成分,即为MA模型时,且估计步长较小的自协方差函数时,可以选择采用A-矩阵估计量来对自协方差函数进行估计。综上所述,A-矩阵估计量在某些条件下是可以应用到实际中去的。如果在未来的研究中可以对其进行修正与完善,那么我们也许可以得到一个能替代常用的较为标准的自协方差函数估计量的无偏估计量。这对将来的时间序列研究与实际应用都具有重要意义。本文的创新点在于:A-矩阵估计量是一个最近才被提出的估计量,暂时还没有将其在实际数据中进行应用,只进行了数值模拟。本文将其应用于实际数据上并进行了分析与对比,得到了A-矩阵估计量在实际数据上的表现。(本文来源于《山东大学》期刊2018-04-20）
张瑞红,王立洪[2]（2017）在《非参数趋势项时间序列自协方差函数的变点检测》一文中研究指出本文主要考虑带有非参数趋势项时间序列的自协方差函数的变点检测问题.本文采用局部多项式对趋势项进行拟合,并对去除趋势项后的时间序列,通过累积和(CUSUM)统计量进行变点分析.在GMC条件及一些正则性假设下,我们讨论了检验统计量在原假设和备择假设下的渐近性质及检验的相合性.实证方面,我们运用0-5阶的局部多项式分别对带有AR(1)误差的模型进行估计,并进行变点检测.通过检验水平和经验功效的比较分析,验证了有限样本下检验方法的有效性.(本文来源于《南京大学学报(数学半年刊)》期刊2017年01期）
刘燕,王瑞军,郑云胜[3]（2016）在《内蒙古绒山羊早期生长性状协方差函数估计的研究》一文中研究指出为了研究内蒙古绒山羊生长发育的特点,试验采用内蒙古绒山羊1998~2011年的体重记录(出生重到2岁体重)资料。通过建立随机回归模型,采用单变量分析,嵌套3阶legendre模型,筛选固定效应。固定效应包括群、出生类型、性别,出生年和测定年。通过综合比较对数似然函数值、残差方差、AIC和BIC信息标准,选择拟合生长性状的固定效应。最后分别对固定效应和随机效应(加性遗传效应和永久环境效应)配合不同阶数的Legendre多项式,应用似然比及残差方差等作为综合评价指标,选择用于生长性状遗传评估的最优模型。研究结果表明,群、出生类型、性别、出生年和测定年均对所有体重影响极显着;生长性状最优遗传评估模型为LP8-8-7。(本文来源于《湖北农业科学》期刊2016年20期）
姚春晓[4]（2016）在《关于一类具有特殊协方差函数的高斯过程的极大似然估计方法》一文中研究指出高斯过程是一种常用且重要的随机过程,如果把高斯过程看作一种随机变量的集合,则该集合中任意随机变量的组合仍服从联合高斯分布。鉴于高斯过程具有很多优良性质,它在许多领域都有应用,比如:基于高斯过程的机器学习方法既简单实用、适用性较强,又具有很高的预测精度。比较常见的高斯过程有线性高斯过程,布朗运动,指数高斯过程,对称高斯过程等等。一般情况下,高斯过程由均值函数和协方差函数确定。而在实际运用中会给定均值函数,则高斯过程由协方差函数唯一确定,它们之间是一一对应的,因此对高斯过程的研究就可以转换为对其协方差函数的研究。协方差函数中的部分参数通常是未知的,这就需要用数据进行估计。我们通常使用的估计方法有极大似然估计,贝叶斯估计等等。在本文中我们研究的是平稳实值随机空间上的高斯过程,在给定均值函数的条件下,对其协方差函数中的参数进行估计。在对协方差函数中未知参数的估计问题上,本文重点关注极大似然估计方法,在参数的求解过程中,运用牛顿迭代法来寻找近似解。具体而言,我们选择研究自然形式和张量积形式的协方差函数,并对这两种协方差函数的参数运用牛顿迭代法求近似解,最后对自然形式的协方差函数的参数进行数值模拟和方法分析。(本文来源于《东北师范大学》期刊2016-05-01）
于建均,韩春晓,阮晓钢,刘涛,徐骢驰[5]（2016）在《基于复合协方差函数的多任务模仿学习算法的研究与实现》一文中研究指出针对多任务下机器人模仿学习控制策略的获取问题,构建复合协方差函数,采用高斯过程回归方法对示教机器人的示教行为样本点建立高斯过程回归模型,并对其中的超参数进行优化,从而得出模仿学习控制策略,模仿机器人应用控制策略完成模仿任务.以Braitenberg车为仿真实验研究对象,对其趋光、避障多任务的模仿学习进行研究.仿真实验研究结果表明:与基于单一协方差函数的模仿学习算法相比,基于复合协方差函数的模仿学习算法不仅能够实现单任务环境下的机器人模仿学习,而且能够实现多任务环境下的机器人模仿学习,且精度更高.任务环境改变实验研究结果表明该方法有很好的适应性.(本文来源于《北京工业大学学报》期刊2016年04期）
王明军,柯熙政,王姣,李应乐,董群锋[6]（2015）在《粗糙面激光脉冲非相干散射及强度起伏协方差函数》一文中研究指出基于激光脉冲粗糙面散射特征,利用积分变换,误差函数和随机变量的统计矩,研究激光脉冲非相干散射和散射场量的强度起伏协方差函数特征.在入射激光波长?=1.06?m条件下,数值计算了不同粗糙面高度起伏均方和相关长度,不同入射角等影响因素下,散射场相干和非相干分量,以及强度起伏协方差函数随散射角和相干带宽频差的变化情况.计算结果表明,在激光脉冲入射下,随机粗糙面的高度均方越小,相关长度越大,即表面越光滑,散射场的相干和非相干分量在入射角镜反射方向出现最大峰值,非相干分量峰值在非入射角镜反射方向上会迅速减小,且非相干分量在量级比相干散射分量上小很多,散射场强度起伏协方差函数的分布趋势随着相干带宽频差的增大逐步减小,镜反射方向和相干带宽频差为零时出现最大峰值.本文所给出的研究结果,深化了粗糙面脉冲散射场量的四阶统计特征,为开展目标激光脉冲散射场量高阶统计特征和激光散斑探测研究奠定基础.(本文来源于《科学通报》期刊2015年23期）
田亮,王卫锋[7]（2015）在《复合协方差函数高斯回归的网络流量建模与预测》一文中研究指出为了获得更优的网络流量预测结果,提出一种复合协方差函数高斯过程(GP)的网络流量预测模型。首先采用复合协方差函数构建GP模型,然后对网络流量训练集进行训练,找到协方差和均值函数的最优参数,最后建立网络流量预测模型,并与支持向量机、神经网络、传统高斯过程进行网络流量的单步和多步预测对比测试。结果表明,相对于对比模型,复合协方差函数GP模型更加能够辨识非线性的网络流量变化趋势,提高了网络流量的预测精确性,是一种有效的复杂网络流量变化预测方法。(本文来源于《计算机应用与软件》期刊2015年06期）
陶叶青,高井祥,姚一飞,杨娟[8]（2015）在《基于协方差函数的点坐标拟合推估算法》一文中研究指出应用空间转换模型实现坐标系统的转换。根据转换区域内已知公共点在转换后的残差,用Reilly函数建立协方差函数。在协方差函数的基础上,拟合点坐标随机性部分的残差值。算例表明,应用协方差函数对点坐标进行拟合推估,点坐标值更趋近真值。(本文来源于《大地测量与地球动力学》期刊2015年02期）
李秀丽,刘宝凤,乔利英,杨菊凤,张善芝[9]（2015）在《考力代羊生长性状的协方差函数估计》一文中研究指出试验旨在模拟考力代羊生长过程中的遗传和表型变异,为其选种提供一定的依据。用1 269只考力代羊的3 332个生长发育记录,配合自变量为年龄的勒让德多项式的随机回归模型(RRM),其中个体加性遗传效应配合5阶,母体永久环境效应配合2~5阶,对数约束最大似然值和信息标准用来检测最佳配合阶数。用平均信息约束最大似然(AIREML)法来估计体重的遗传、环境和表型协方差函数,结果表明,母体永久环境效应配合4阶时,协方差图更符合考力代羊的生长变化情况,涉及的参数也较少,且羔羊在6月龄前后表现出较大的遗传和表型变异。这些结果提示随机回归模型在有限的数据下能够充分描述考力代羊体重在连续时间轴上的增长变化情况。(本文来源于《中国畜牧兽医》期刊2015年01期）
张腾旭,刘立龙,周淼,赫林,黄良珂[10]（2014）在《顾及协方差函数影响的GPS高程拟合方法研究》一文中研究指出利用移去-恢复法先移去地球重力场模型中的中长波信息,得到更加平滑的剩余重力高程异常;然后,利用同时顾及测量误差和模型误差的最小二乘配置法,比较了不同协方差函数对拟合结果的影响。研究表明,对于大面积高程异常值变化较大的地区,高斯函数和似高斯函数能够取得较高的拟合精度;对于依赖各点之间协方差值的最小二乘配置法而言,采用移去-恢复能够有效提高拟合精度。(本文来源于《大地测量与地球动力学》期刊2014年05期）
协方差函数论文开题报告
（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：
本文主要考虑带有非参数趋势项时间序列的自协方差函数的变点检测问题.本文采用局部多项式对趋势项进行拟合,并对去除趋势项后的时间序列,通过累积和(CUSUM)统计量进行变点分析.在GMC条件及一些正则性假设下,我们讨论了检验统计量在原假设和备择假设下的渐近性质及检验的相合性.实证方面,我们运用0-5阶的局部多项式分别对带有AR(1)误差的模型进行估计,并进行变点检测.通过检验水平和经验功效的比较分析,验证了有限样本下检验方法的有效性.
（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。
协方差函数论文参考文献
[1].王特.均值未知的单变量时间序列自协方差函数的无偏估计及其应用[D].山东大学.2018
[2].张瑞红,王立洪.非参数趋势项时间序列自协方差函数的变点检测[J].南京大学学报(数学半年刊).2017
[3].刘燕,王瑞军,郑云胜.内蒙古绒山羊早期生长性状协方差函数估计的研究[J].湖北农业科学.2016
[4].姚春晓.关于一类具有特殊协方差函数的高斯过程的极大似然估计方法[D].东北师范大学.2016
[5].于建均,韩春晓,阮晓钢,刘涛,徐骢驰.基于复合协方差函数的多任务模仿学习算法的研究与实现[J].北京工业大学学报.2016
[6].王明军,柯熙政,王姣,李应乐,董群锋.粗糙面激光脉冲非相干散射及强度起伏协方差函数[J].科学通报.2015
[7].田亮,王卫锋.复合协方差函数高斯回归的网络流量建模与预测[J].计算机应用与软件.2015
[8].陶叶青,高井祥,姚一飞,杨娟.基于协方差函数的点坐标拟合推估算法[J].大地测量与地球动力学.2015
[9].李秀丽,刘宝凤,乔利英,杨菊凤,张善芝.考力代羊生长性状的协方差函数估计[J].中国畜牧兽医.2015
[10].张腾旭,刘立龙,周淼,赫林,黄良珂.顾及协方差函数影响的GPS高程拟合方法研究[J].大地测量与地球动力学.2014
论文知识图
![算法模块示意图（见文献[50]）](http://image.cnki.net/GetImage.ashx?id=1012473895.nh0019&suffix=.jpg)
