导读:本文包含了先验参数论文开题报告文献综述及选题提纲参考文献，主要关键词:暗原色先验,自适应参数,大气光值,去雾算法
先验参数论文文献综述
王高峰,杨宁宇,王嘉锐,王翠翠,卢玮[1]（2019）在《基于暗原色先验的自适应参数优化的图像去雾算法研究》一文中研究指出目前主流的基于暗原色先验的去雾方法的参数选择较为单一,难以适应多种不同的雾天图像,针对这个问题,本文提出了自适应参数优化的图像去雾算法。本文通过实验发现去雾时ω权值与大气光值存在一定的关系,并基于这种关系进行改进,从而更好的实现了去雾后图像的优化处理。本文在对原有算法进行改进之后,采用了主观和客观相结合的评价方法,选取了多种去雾算法与本文算法进行对比评价实验。实验表明,本文算法去雾之后的图像视觉效果更加真实自然。(本文来源于《电子设计工程》期刊2019年07期）
瞿庆亮,常晓涛,于胜文,朱广彬[2]（2019）在《利用先验重力场模型求定GOCE卫星重力梯度仪校准参数》一文中研究指出重力梯度仪校准参数的确定是GOCE重力梯度观测数据处理的关键环节。本文对GOCE卫星重力梯度观测值中的时变信号与粗差进行了分析,利用高精度全球重力场模型,确定了GOCE重力梯度观测值各分量的尺度因子与偏差,并对校准结果进行了精度评定。结果表明,在测量带宽内,海潮对重力梯度观测值影响在mE量级,与重力梯度仪的精度水平相当,陆地水等非潮汐重力场时变信号略小于海潮,量级约为10~(-4)E;各分量重力梯度观测值的粗差比例均大于0.2%;除EGM96模型外的其他模型对GOCE重力梯度仪进行校准后,V_(xx)、V_(yy)、V_(zz)、V_(yz)分量上尺度因子的稳定性均在10~(-4)量级,V_(xz)分量能达到10~(-5)量级,V_(xy)分量为10~(-2)量级,这与梯度观测值各分量的精度水平一致。(本文来源于《测绘学报》期刊2019年02期）
解宇涵,宋文和,周明琴,张应应[3]（2018）在《具有正态逆伽玛先验的正态分布中的方差参数在Stein损失下的贝叶斯后验估计量（英文）》一文中研究指出对于先验分布为正态逆伽玛分布的正态分布的方差参数,我们解析地计算了具有共轭的正态逆伽玛先验分布的在Stein损失函数下的贝叶斯后验估计量.这个估计量最小化后验期望Stein损失.我们还解析地计算了在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失.数值模拟的结果例证了我们的如下理论研究:后验期望Stein损失不依赖于样本;在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失要一致地大于在Stein损失函数下的对应的量.最后,我们计算了上证综指的月度的简单回报的贝叶斯后验估计量和后验期望Stein损失.(本文来源于《应用概率统计》期刊2018年06期）
邓兴升,黄小鹏,彭思淳[4]（2018）在《部分待估参数具有先验随机性的WTLS平差》一文中研究指出部分待估参数具有先验随机信息,且误差方程系数矩阵含有观测误差,是一类新的平差问题。本文构造了部分待估参数含有先验随机信息的加权整体最小二乘平差函数模型,推导该模型参数估计与精度评定公式,给出计算步骤,适用于一般情形。实例对比分析证明,该算法正确可靠,迭代收敛速度较优。(本文来源于《大地测量与地球动力学》期刊2018年09期）
柴慧敏,赵昀瑶,方敏[5]（2018）在《利用先验正态分布的贝叶斯网络参数学习》一文中研究指出针对贝叶斯网络参数的近似等式约束,提出采用正态分布构建该类约束的数学模型;然后用Dirichlet分布逼近正态分布,并通过目标优化计算Dirichlet分布的超参数;最后采用贝叶斯最大后验概率(maximum a posterior,MAP)估计方法计算网络参数值。在不同样本量的数据集下进行实验测试,将本文方法与其他4种主要方法进行比较,结果表明:该方法的参数学习精度都好于其他4种方法,尤其是在样本量较小的情况下。该方法的运行时间高于其他4种方法,但相同样本量的数据集下,学习精度的提高倍数要高于时间增加的倍数。(本文来源于《系统工程与电子技术》期刊2018年10期）
董林松,方铭,王志勇[6]（2018）在《基因组预测中先验分布的两种超参数设定策略比较》一文中研究指出基因组选择是通过全基因组的标记信息估计出个体的基因组育种值并加以选择的育种方法.主要围绕最佳线性无偏预测(BLUP)和贝叶斯方法展开.这些方法均在某种先验假设下进行,因此需要对先验分布的参数进行设定.依据设定先验超参数的原理,探讨了对单核苷酸多态性(SNP)基因型进行与不进行标准化两种策略下先验超参数的设定方法,并利用QTLMAS2012的模拟数据,分别计算了7种预测方法(岭回归BLUP(RRBLUP)、BayesA、BayesB、BayesCπ、快速BayesB(FBayesB),快速混合正态分布(FMixP)和基于马尔科夫链-蒙特卡洛算法的MixP(简称MMixP))在2种策略下的基因组育种值.结果显示:当采用同一种预测方法,对SNP基因型进行标准化处理与否不影响基因组育种值估计结果.但由于对基因型进行标准化处理在方法上更具有通用性,并可以突出效应大的SNP位点,故建议进行SNP效应值估计前,先将SNP基因型标准化,再设定先验分布的参数值.(本文来源于《厦门大学学报(自然科学版)》期刊2018年04期）
彭思淳[7]（2018）在《附部分先验随机参数的整体最小二乘平差算法》一文中研究指出在实际测量中,由于测量方法、测量仪器、外界环境以及观测者的技术水平等因素的限制,对测量数据的精度造成了很大的影响,进而导致误差方程的系数矩阵也含有了误差。相较最小二乘而言,整体最小二乘同时考虑了系数矩阵与观测向量的误差,函数模型更加严谨。但在一些测量平差问题中,仅采用普通整体最小二乘仍存在一些不足。因此有必要进一步研究可针对系数矩阵中的部分随机元素进行误差改正,且相同观测值改正数相同的平差算法。现代测量平差领域存在大量的参数具有先验随机信息的情形,在参数估计时考虑先验随机信息可以提高数据处理的精度。故本文基于整体最小二乘平差准则,利用拉格朗日条件极值法,通过矩阵的合并与分解,构造了附加部分先验随机参数的EIO平差模型,推导了该模型的计算步骤,给出了模型参数估计和精度评定公式。该算法可在顾及先验随机信息的同时,针对包含在系数矩阵中的观测值进行误差改正,不同位置同一观测值给予相同的改正数,且能一步同时解算出平差问题中的待估参数和全部观测值的改正数。附加先验随机参数的加权整体最小二乘平差法的提出,可扩展整体最小二乘的应用,把整体最小二乘从经典平差领域引入广义测量平差领域。本文选取了直线拟合、圆曲线拟合、平面四参数坐标转换以及GPS高程异常拟合四个典型的应用实例进行研究,结合具体应用对附加部分先验随机参数的EIO模型的参数估计结果与精度进行了分析。实验结果显示,在直线拟合与圆曲线拟合中,且在观测值不等权的情况下,附加先验随机参数的加权整体最小二乘平差法精度高于普通整体最小二乘平差法以及现有的一些权威算法;在平面四参数坐标转换中,应用先验随机参数的加权整体最小二乘平差法得到的参数解算结果具有较高的精度,且迭代收敛速度快;在GPS高程异常拟合中,应用附加先验随机参数的加权整体最小二乘平差法比整体最小二乘平差法拟合精度高,在一般适用性与可靠性方面都具有优势。(本文来源于《长沙理工大学》期刊2018-04-15）
王嘉锐[8]（2018）在《基于暗亮原色先验与自适应参数优化的图像去雾算法研究》一文中研究指出由于近年来雾霾天气频发,导致户外成像设备所采集到的图像信息缺失,给后续的计算机视觉任务造成了极大的不便,严重影响到了安防监控系统、卫星成像系统、交通监控系统等诸多系统的正常工作,给人们带来了巨大的安全隐患。因此,图像去雾的研究具有十分重要的现实意义。目前主流的基于暗原色先验的去雾方法主要存在不适用于大面积白色区域、大气光估值过高、去雾参数较为单一和去雾后图像偏暗的问题,本文对这些问题进行了有效改进。在改进过程之中,本文的主要创新点如下:1、针对暗原色先验的去雾方法不适用于大面积白色区域的问题,本文提出了一种新的暗亮原色先验的去雾算法。该算法根据白色区域像素值普遍较高的特点提出了亮原色先验理论,并将该理论与暗原色先验理论相结合,有效解决了雾天图像中白色区域的去雾问题。2、针对大气光的估值容易出现过大的问题,本文提出了一种自适应加权的大气光值求取方法。该方法将类天空区域的像素值与最大暗通道值进行自适应的加权处理,使得求取的大气光值鲁棒性更强。3、针对现有的去雾算法在估算透射率时,其所采用的决定去雾程度的?权值较为单一的问题,本文提出了一种自适应权值优化的图像去雾算法。该算法通过大量的实验发现去雾时?权值与大气光值存在一定的关系,并基于这种关系进行改进,从而更好的实现了去雾后图像的优化处理。4、针对现有的引导滤波算法的滤波窗口尺度较为单一的问题,本文提出了一种自适应尺度的引导滤波算法。该算法根据原有雾图像的尺寸大小自适应调节滤波尺度,使得滤波后效果更佳。本文在对原有算法进行改进之后,采用了主观和客观相结合的评价方法,选取了多种去雾算法与本文算法进行对比评价实验。实验表明,本文算法不仅有效解决了原算法不适用于大面积白色区域和去雾后图像偏暗等问题,而且去雾之后的图像视觉效果更加真实自然。(本文来源于《长安大学》期刊2018-04-02）
王敏[9]（2018）在《复合Linex损失下不同先验分布中参数的Bayes估计》一文中研究指出文章在复合Linex对称损失下,就参数的先验分布为伽玛分布,共轭先验及无信息先验进行了对比,得到艾拉姆咖分布参数的唯一贝叶斯估计。进一步通过R软件进行随机模拟,得到参数的Bayes估计值,从而得出结论:当先验为共轭先验时,估计值较接近艾拉姆咖分布参数的真值。(本文来源于《统计与决策》期刊2018年02期）
侯瑞环,徐翔燕[10]（2017）在《二项分布参数的无先验信息Bayes估计与点估计的思考》一文中研究指出结合《数理统计》教学过程中的对点估计和Bayes估计的讲解,从实际应用的角度出发思考二项总体参数的无先验信息Bayes估计与点估计之间的关系:当样本容量n≥971时,两种估计的误差达到0.001甚至更小;并且,随着样本量不断增加两种估计结果趋于一个稳定的真实值。点估计作为大学《数理统计》的教学中最简单、最有效的参数估计方法显得非常重要,也是统计推断中不可或缺的内容。通常,(本文来源于《环球市场信息导报》期刊2017年27期）
先验参数论文开题报告
（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：
重力梯度仪校准参数的确定是GOCE重力梯度观测数据处理的关键环节。本文对GOCE卫星重力梯度观测值中的时变信号与粗差进行了分析,利用高精度全球重力场模型,确定了GOCE重力梯度观测值各分量的尺度因子与偏差,并对校准结果进行了精度评定。结果表明,在测量带宽内,海潮对重力梯度观测值影响在mE量级,与重力梯度仪的精度水平相当,陆地水等非潮汐重力场时变信号略小于海潮,量级约为10~(-4)E;各分量重力梯度观测值的粗差比例均大于0.2%;除EGM96模型外的其他模型对GOCE重力梯度仪进行校准后,V_(xx)、V_(yy)、V_(zz)、V_(yz)分量上尺度因子的稳定性均在10~(-4)量级,V_(xz)分量能达到10~(-5)量级,V_(xy)分量为10~(-2)量级,这与梯度观测值各分量的精度水平一致。
（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。
先验参数论文参考文献
[1].王高峰,杨宁宇,王嘉锐,王翠翠,卢玮.基于暗原色先验的自适应参数优化的图像去雾算法研究[J].电子设计工程.2019
[2].瞿庆亮,常晓涛,于胜文,朱广彬.利用先验重力场模型求定GOCE卫星重力梯度仪校准参数[J].测绘学报.2019
[3].解宇涵,宋文和,周明琴,张应应.具有正态逆伽玛先验的正态分布中的方差参数在Stein损失下的贝叶斯后验估计量（英文）[J].应用概率统计.2018
[4].邓兴升,黄小鹏,彭思淳.部分待估参数具有先验随机性的WTLS平差[J].大地测量与地球动力学.2018
[5].柴慧敏,赵昀瑶,方敏.利用先验正态分布的贝叶斯网络参数学习[J].系统工程与电子技术.2018
[6].董林松,方铭,王志勇.基因组预测中先验分布的两种超参数设定策略比较[J].厦门大学学报(自然科学版).2018
[7].彭思淳.附部分先验随机参数的整体最小二乘平差算法[D].长沙理工大学.2018
[8].王嘉锐.基于暗亮原色先验与自适应参数优化的图像去雾算法研究[D].长安大学.2018
[9].王敏.复合Linex损失下不同先验分布中参数的Bayes估计[J].统计与决策.2018
[10].侯瑞环,徐翔燕.二项分布参数的无先验信息Bayes估计与点估计的思考[J].环球市场信息导报.2017