导读:本文包含了马尔可夫蒙特卡罗算法论文开题报告文献综述及选题提纲参考文献，主要关键词:马尔可夫链,概率,平衡分布
马尔可夫蒙特卡罗算法论文文献综述
来学伟[1]（2018）在《马尔可夫链蒙特卡罗算法在采样近似算法中的应用》一文中研究指出介绍了马尔可夫链产生的背景,分析了使用马尔可夫链进行采样,指出了马尔可夫链卡罗算法的局限性,对马尔可夫链卡罗算法的研究进行了展望。(本文来源于《电脑编程技巧与维护》期刊2018年09期）
王跃,巴斌,崔维嘉,逯志宇[2]（2016）在《马尔可夫蒙特卡罗的室内定位算法》一文中研究指出针对无线局域网室内定位中接收功率受干扰影响导致位置估计精度偏低的问题,构建基于传播损耗模型的似然函数模型,采用马尔可夫蒙特卡罗抽样方法进行位置估计.该方法将干扰因素构建到模型中,运用随机抽样的方法解决估计问题,具有收敛速度快、估计精度高的优势.理论推导了该模型下坐标估计的克拉美罗界,并在仿真实验中,给出克拉美罗界在定位空间的分布.仿真实验表明,马尔可夫蒙特卡罗抽样方法可精确估计出目标位置,在相同仿真条件下,与共轭梯度法相比,马尔可夫蒙特卡罗抽样方法估计精度高、复杂度低.(本文来源于《西安电子科技大学学报》期刊2016年02期）
萧嘉慰,张力,罗静云[3]（2014）在《基于马尔可夫链蒙特卡罗采样的双密钥盲水印算法》一文中研究指出为了更好地提高水印算法的安全性,提出了一种基于两种形式密钥的强鲁棒盲水印算法。首先对水印加密,然后将每块载体的第一个奇异值组成矩阵Q再分块离散小波变换(DWT)获得四个子带,通过对四个子带进行马尔可夫链蒙特卡罗(MCMC)采样决定第k个水印位量化嵌入到矩阵Q的第k块低频、水平、垂直和高频子带中的一个并记录当前嵌入子带的密钥位,这样做不仅使水印位随机分配,而且提高了水印算法的安全性。实验结果表明,所提算法在满足不可见性的条件下,不仅对常规的图像攻击具备较强的鲁棒性,而且在水印嵌入过程中通过MCMC采样实现了用不同的密钥嵌入,提高了水印算法的安全性。(本文来源于《计算机应用》期刊2014年02期）
周梦,肖澜[4]（2014）在《马尔可夫蒙特卡罗光线追踪算法研究》一文中研究指出本文首先简述了光线追踪算法的目的与应用,并从原理上分析了光线追踪算法中的核心问题-光传输方程的定义和求解。然后从求解该方程出发,分析了马尔可夫蒙特卡罗算法求解光传输方程的应用。最后通过实验展示了算法的效果。(本文来源于《信息系统工程》期刊2014年01期）
胡洋[5]（2012）在《基于马尔可夫链蒙特卡罗方法的RBM学习算法改进》一文中研究指出深度学习(Deep Learning)是近年来新兴的一门机器学习子领域。该领域的研究内容主要是探讨包含多层结点的人工神经网络的建模和学习问题。这种‘‘深度神经网络’’由于在信息处理方式上更加类似于人类大脑,因此被认为有希望更好地解决一些复杂的智能问题。目前最有效的深度学习算法是将一个深度神经网络视为多个限制玻尔兹曼机(Restricted Boltzmann Machine或RBM)的层迭进行逐层学习。由于RBM相对比较容易学习,因此这种算法克服了直接对多层网络进行训练的效率问题。可见,RBM的机器学习问题在深度学习领域占据着核心地位。在本课题中,我们将进一步探讨RBM的学习问题。本文的研究内容和创新性工作主要包括:(1)总结了近年来兴起的各种RBM学习算法,并发现马尔可夫链蒙特卡罗方法(MCMC)对提升RBM学习效果具有广阔的前景;(2)我们探讨了现有方法的主要缺点——仅仅将MCMC作为一个工具使用,并没有充分利用机器学习过程的特点反过来加强MCMC算法;(3)我们提出了一种MCMC和机器学习相互利用的思想,并设计了一种针对机器学习的MCMC算法;(4)我们的实验证明该算法在传统的效率、似然度评价指标上明显优于现有的方法;(5)我们提出了包括模式集内容和收敛性等多项独创的新指标。随着深度学习领域的兴起,基于MCMC的机器学习算法将变得越来越重要。随着MCMC和机器学习联系更加紧密,针对机器学习而专门设计的MCMC算法将成为未来的一个研究热点。而我们的工作首次提出和验证了这个思想,并证明了它的潜力,为这个新方向探索了一条可行的道路。(本文来源于《上海交通大学》期刊2012-01-06）
杨辉联,杨建国,石海[6]（2011）在《基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法》一文中研究指出在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该算法利用系统状态样本间的相关性和所设定的收敛阈值门限,实现动态选取系统状态采样值的迭代收敛区间,以求在确保算法检测性能的同时,进一步提高检测估计运算的实时性.仿真结果表明,该算法具有收敛速度快、误码率低等优点.(本文来源于《上海大学学报(自然科学版)》期刊2011年03期）
徐庆飞,张新[7]（2010）在《空地作战中基于马尔可夫蒙特卡罗算法的目标移动预测研究》一文中研究指出空地作战是现代战争中的一种主要作战形式,以武装直升机轰炸地面坦克车为例,提出了基于马尔可夫蒙特卡罗(MCMC,Markov chain Monte Carlo)算法的移动目标位置预测算法。首先建立空地轰炸模型,详细分析了从发现目标到轰炸目标的整个过程,并讲述了导弹的发射流程与发射时机;其次,阐述马尔可夫蒙特卡罗算法中变量的设定与参数的求解;最后,介绍了仿真试验,并与线性神经网络(linearneural network)预测算法进行比较。结果表明,基于马尔可夫蒙特卡罗算法的移动目标位置预测算法的运算时间短、无自适应时间、预测准确,极大地提高了空地作战的效率,增强了航空兵的作战能力。(本文来源于《2011航空试验测试技术学术交流会论文集》期刊2010-09-06）
张敬平[8]（2010）在《基于马尔可夫链蒙特卡罗算法的无线电定位》一文中研究指出为实现在多媒体舞台剧中真实空间的目标与多媒体背景的虚拟空间元素间的互动,进行无线电测向定位建模,利用马尔可夫链蒙特卡罗算法进行仿真.实际应用表明,该方法可通过驱动多媒体舞台背景的虚拟场景元素的位置和形态的变化,实现真实空间与虚拟空间的互动.(本文来源于《上海海事大学学报》期刊2010年01期）
马尔可夫蒙特卡罗算法论文开题报告
（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：
针对无线局域网室内定位中接收功率受干扰影响导致位置估计精度偏低的问题,构建基于传播损耗模型的似然函数模型,采用马尔可夫蒙特卡罗抽样方法进行位置估计.该方法将干扰因素构建到模型中,运用随机抽样的方法解决估计问题,具有收敛速度快、估计精度高的优势.理论推导了该模型下坐标估计的克拉美罗界,并在仿真实验中,给出克拉美罗界在定位空间的分布.仿真实验表明,马尔可夫蒙特卡罗抽样方法可精确估计出目标位置,在相同仿真条件下,与共轭梯度法相比,马尔可夫蒙特卡罗抽样方法估计精度高、复杂度低.
（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。
马尔可夫蒙特卡罗算法论文参考文献
[1].来学伟.马尔可夫链蒙特卡罗算法在采样近似算法中的应用[J].电脑编程技巧与维护.2018
[2].王跃,巴斌,崔维嘉,逯志宇.马尔可夫蒙特卡罗的室内定位算法[J].西安电子科技大学学报.2016
[3].萧嘉慰,张力,罗静云.基于马尔可夫链蒙特卡罗采样的双密钥盲水印算法[J].计算机应用.2014
[4].周梦,肖澜.马尔可夫蒙特卡罗光线追踪算法研究[J].信息系统工程.2014
[5].胡洋.基于马尔可夫链蒙特卡罗方法的RBM学习算法改进[D].上海交通大学.2012
[6].杨辉联,杨建国,石海.基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法[J].上海大学学报(自然科学版).2011
[7].徐庆飞,张新.空地作战中基于马尔可夫蒙特卡罗算法的目标移动预测研究[C].2011航空试验测试技术学术交流会论文集.2010
[8].张敬平.基于马尔可夫链蒙特卡罗算法的无线电定位[J].上海海事大学学报.2010