导读:本文包含了贝叶斯递推论文开题报告文献综述及选题提纲参考文献，主要关键词:输入非均匀采样系统,广义输出误差模型,递推贝叶斯算法,参数估计
贝叶斯递推论文文献综述
景绍学[1]（2016）在《输入非均匀采样广义输出误差模型的递推贝叶斯参数辨识算法》一文中研究指出针对传统最小二乘算法在辨识过程中没有考虑噪声的协方差和参数的先验概率密度的问题,提出一种递推贝叶斯算法。该算法以最大化参数的后验概率密度函数为准则进行参数估计。实验结果证明所提算法可以获得更高精度的参数估计值。收敛性分析表明,该算法给出的参数估计值收敛于参数真值。该算法综合考虑了噪声方差、数据的先验概率分布和参数的先验概率分布,可以获得比最小二乘法更高的精度的估计值。(本文来源于《计算机应用与软件》期刊2016年06期）
景绍学,李正明[2]（2016）在《基于数据滤波的带协方差重置的递推贝叶斯算法》一文中研究指出针对传统最小二乘算法计算量大、在有色噪声干扰下估计有误差的问题,提出了一种基于滤波技术的带协方差重置的递推贝叶斯算法。该算法使用一个动态非线性滤波器对输入输出数据进行滤波,然后使用贝叶斯方法进行参数估计。为了加快参数的收敛速度,在算法中加入了一种新型的协方差重置策略。计算量分析表明,当过程模型和噪声模型的阶数分别为6和4的时候,所提算法可以减少约62.35%的计算量。仿真结果显示,所提算法与传统最小二乘算法在采样数据长度为3 000时的估计误差分别为0.771%和1.118%。因此,所提算法具有较高的计算效率,并且可以给出精度较高的参数估计值。(本文来源于《计算机应用研究》期刊2016年05期）
宁永成,侯代文[3]（2013）在《递推的贝叶斯估计方法》一文中研究指出对贝叶斯估计的原理及应用进行了综述,在系统阐述贝叶斯估计理论的基础上,按照对后验概率密度函数表示方式的不同,分析和总结了隐马尔可夫模型、卡尔曼滤波、分布拟合滤波以及粒子滤波等算法的特点、使用方法和使用范围;最后,对贝叶斯估计的发展方向进行了展望。(本文来源于《四川兵工学报》期刊2013年10期）
陈艳波,刘锋,何光宇,黄良毅,顾志东[4]（2012）在《变压器分接头位置的改进递推贝叶斯估计》一文中研究指出为准确、快速地估计变压器分接头位置,提出了基于改进递推贝叶斯估计的变压器分接头估计方法。该方法首先形成分接头位置可疑的变压器集合,然后计算可疑变压器在不同分接头位置下的状态估计残差,在此基础上,采用递推贝叶斯估计方法对分接头位置进行后验概率的递推估计。为提高计算效率,对基本的递推贝叶斯估计方法提出以下改进方案:采用线性残差修正方法或预测校正算法以有效减小每次递推时的残差计算量;在递推过程中逐次缩减估计范围;提出递推终止判据,以有效减少递推次数。在IEEE 39节点系统上的仿真计算表明,所提出的算法能准确、可靠地估计出正确分接头的位置,并显着提高递推贝叶斯估计的计算效率,具有较好的在线应用前景。(本文来源于《电力系统自动化》期刊2012年23期）
韦文,汤俊,彭应宁[5]（2011）在《基于递推贝叶斯的检测跟踪一体化方法》一文中研究指出在雷达系统中,对雷达散射截面积(Radar Cross-Section,RCS)较小的快速机动目标的检测与跟踪是难点。本文提出采用基于递推贝叶斯原理的检测跟踪(Track-and-Detect,T&D)一体化方法提高雷达对这类目标的检测和跟踪性能。针对机动目标,用模型参数更新法来改进递推贝叶斯方法,即利用先验信息或实时估计的目标速度信息实时更新运动模型参数。对雷达实测数据的处理结果表明,该方法在机动目标的平均信噪比约为6dB时,即可实现在虚警率为10-3时检测概率达到0.9的指标。(本文来源于《宇航学报》期刊2011年10期）
唐政,高晓光,孙超[6]（2011）在《基于多层递推离散动态贝叶斯网络的协同决策优化》一文中研究指出根据电子对抗与火力打击协同使用分层递阶控制的特点,建立基于多层递推离散动态贝叶斯网络协同使用决策模型。依据协同理论,引入协同度概念,用协同度作为确定电子对抗与火力打击协同使用决策随时间变化的状态转移概率的依据。提出前向后向递归搜索算法,求解电子对抗与火力打击协同使用决策问题。通过仿真实验证明,该方法能够减少信息传输,缩短决策时间,大大增强动态不确定条件下决策的适应性。(本文来源于《火力与指挥控制》期刊2011年04期）
谢序,高晓光[7]（2010）在《离散动态贝叶斯网络的递推算法》一文中研究指出离散动态贝叶斯网络是对动态系统进行建模和定性推理的有力工具。由于观测证据会随时间增加,直接计算推理算法的公式会变得冗长而且推理速度还会下降。在直接计算推理算法的基础上推导出递推公式,并给出算例验证。递推计算公式简洁,仿真表明递推算法的推理速度较直接计算推理算法有明显提高,因而适合实时在线推理。最后将递推算法应用于航天器的态势感知。(本文来源于《火力与指挥控制》期刊2010年02期）
张承进,成枢[8]（1993）在《贝叶斯预测模型的递推算法》一文中研究指出本文讨论了一般的多元贝叶斯预测模型的Kalman滤波,应用矩阵的Sweep变换,给出了几种性质良好的递推算法。(本文来源于《1993中国控制与决策学术年会论文集》期刊1993-05-01）
言茂松,王丰尧,杨德邻[9]（1988）在《发电单元可靠性的贝叶斯加权递推估计》一文中研究指出本文将文献〔1〕给出的发电单元强迫停运率的贝叶斯估计法发展为加权递推方法,从而有能力处理具有时变风险函数特性的单元可靠性参数估计问题,且便于计算机序贯处理。(本文来源于《控制与决策》期刊1988年03期）
贝叶斯递推论文开题报告
（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：
针对传统最小二乘算法计算量大、在有色噪声干扰下估计有误差的问题,提出了一种基于滤波技术的带协方差重置的递推贝叶斯算法。该算法使用一个动态非线性滤波器对输入输出数据进行滤波,然后使用贝叶斯方法进行参数估计。为了加快参数的收敛速度,在算法中加入了一种新型的协方差重置策略。计算量分析表明,当过程模型和噪声模型的阶数分别为6和4的时候,所提算法可以减少约62.35%的计算量。仿真结果显示,所提算法与传统最小二乘算法在采样数据长度为3 000时的估计误差分别为0.771%和1.118%。因此,所提算法具有较高的计算效率,并且可以给出精度较高的参数估计值。
（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。
贝叶斯递推论文参考文献
[1].景绍学.输入非均匀采样广义输出误差模型的递推贝叶斯参数辨识算法[J].计算机应用与软件.2016
[2].景绍学,李正明.基于数据滤波的带协方差重置的递推贝叶斯算法[J].计算机应用研究.2016
[3].宁永成,侯代文.递推的贝叶斯估计方法[J].四川兵工学报.2013
[4].陈艳波,刘锋,何光宇,黄良毅,顾志东.变压器分接头位置的改进递推贝叶斯估计[J].电力系统自动化.2012
[5].韦文,汤俊,彭应宁.基于递推贝叶斯的检测跟踪一体化方法[J].宇航学报.2011
[6].唐政,高晓光,孙超.基于多层递推离散动态贝叶斯网络的协同决策优化[J].火力与指挥控制.2011
[7].谢序,高晓光.离散动态贝叶斯网络的递推算法[J].火力与指挥控制.2010
[8].张承进,成枢.贝叶斯预测模型的递推算法[C].1993中国控制与决策学术年会论文集.1993
[9].言茂松,王丰尧,杨德邻.发电单元可靠性的贝叶斯加权递推估计[J].控制与决策.1988