导读:本文包含了高斯测度论文开题报告文献综述及选题提纲参考文献，主要关键词:随机粘弹性波动方程,非高斯勒维过程,不变测度
高斯测度论文文献综述
梁飞,乔焕[1]（2018）在《非高斯勒维过程驱动下随机粘弹性波动方程的不变测度》一文中研究指出本文研究非高斯勒维过程驱动下一类带有阻尼项的随机粘弹性波动方程.我们在适当的条件下,给出温和解生成的转移半群不变测度的存在唯一性.(本文来源于《数学学报(中文版)》期刊2018年04期）
景源,李鹏,牛斌[2]（2016）在《一种基于非高斯性测度的认知无线电频谱感知新方法》一文中研究指出针对认知无线网络中小尺度授权用户的频谱检测问题,提出一种新的基于非高斯性测度的频谱感知新方法.由于在某一频段内,授权用户信号的出现会使得认知用户接收信号功率谱密度的统计分布特性发生显着改变,因此,利用峭度和偏度设计一个非高斯性测度统计量,进而提出利用非高斯性测度统计量来检测认知用户接收信号功率谱密度统计分布特性的变化,从而可以实现对认知无线网络中具有低发射功率的小尺度授权用户的准确检测.仿真实验结果表明,本文所提方法具有较好的频谱感知性能,并且对噪声的不确定性具有较好的鲁棒性.(本文来源于《小型微型计算机系统》期刊2016年09期）
聂方彦,张平凤,屠添翼[3]（2015）在《基于高斯混合及相对熵测度的图像分割》一文中研究指出针对图像分割问题,结合高斯混合模型与信息论中的相对熵测度概念,提出一种新的图像阈值化方法。在提出方法中把图像阈值化问题看成是两个概率向量之间的匹配问题,因此首先用高斯混合模型去拟合图像直方图的灰度级分布,然后用相对熵测度去度量拟合分布与图像原灰度级分布之间的差异,并把该度量作为图像阈值化的准则函数。在对图像实施分割时,通过在图像灰度级范围中求取所定义的准则函数的最小值获得最佳阈值。在NDT、SAR及红外图像上的分割实验中用提出方法与传统及最新的图像阈值化方法进行比较,结果表明提出方法获得的结果要优于相比较方法获得的分割结果,因此提出方法是一种有效的图像分割方法。(本文来源于《激光与红外》期刊2015年09期）
胡修炎[4]（2014）在《高斯测度的再生核Hilbert空间与Sobolev空间的关系》一文中研究指出本文证明了单位球体上具有中心高斯测度的加权Sobolev空间及该测度的再生核Hilbert空间的关系式.由于再生核Hilbert空间的光滑指标与权函数、维数无关,所以该证明方法可以推广到单位球面,区间[-1,1]和单纯形上具有高斯测度的加权及非加权的Sobolev空间中,具有普遍意义.(本文来源于《枣庄学院学报》期刊2014年02期）
叶庆云[5]（2014）在《随机变量的一种非广义高斯性测度研究》一文中研究指出高斯分布（Gaussian distribution）是一个在物理学、数学以及工程技术领域都有着十分重要意义的概率分布，在统计学的诸多方面都有着非常重大的影响力。信息论中的一个基本理论表明，在所有同方差的随机变量中，高斯分布具有最大的信息熵。基于这一事实，Aapo Hyv rinen和Erkki Oja定义了一种负熵（Negentropy），并用负熵来表征一个随机变量的非高斯性（non-Gaussianity），从而提出了一种非高斯性测度。E.W.Stacy提出了广义高斯分布，广义高斯同样在许多领域都有着广泛的应用。本文通过对高斯分布最大熵原理的进一步研究发现，在某些条件下广义高斯分布有着类似高斯分布随机变量的性质，即在相同条件下的所有随机变量中，广义高斯分布具有最大的信息熵。基于这一事实，本文提出了一种随机变量的非广义高斯性测度（non-GGD），同时给出了一种计算随机变量的非广义高斯性测度的计算方法。并通过实验分析研究，考察了这种非广义高斯性测度的正确性和有效性。(本文来源于《西安电子科技大学》期刊2014-01-01）
何美娟,孙中奎,徐伟[6]（2013）在《基于信息论测度的高斯色噪声激励下双稳系统的随机共振研究》一文中研究指出基于信息论测度研究了高斯色噪声及周期信号驱动下双稳系统的随机共振现象,并且借助于信噪比对上述方法得到的结论进行了验证。(本文来源于《中国力学大会——2013论文摘要集》期刊2013-08-19）
倪禾,唐路明[7]（2013）在《上证综指收益的风险价值测度——基于高斯混合自回归模型的研究》一文中研究指出本文将高斯混合自回归模型(GMAR)引入到风险价值(VaR)的计算上,并将其用于计算上证综指收益的VaR,将所得结果与GARCH类模型进行比较分析发现,GMAR能捕捉剧烈波动的条件异方差性,但对于较小的波动无法捕捉,因此所得VaR曲线较GARCH类模型平坦。而在不同的显着性水平下,GMAR模型预测VaR的能力都显着优于GARCH类模型。(本文来源于《浙江社会科学》期刊2013年05期）
王海燕,张岐山[8]（2012）在《基于改进高斯烟羽模型的废弃物处理设施负效应测度》一文中研究指出废弃物处理设施的选址和运营是公众参与度较高的决策领域。负效应测度既是这类设施选址优化的焦点和难点,也是设施运营后负效应评价和治理的关键。根据风向、风速和其他气象资料设置典型情景;对高斯烟羽模型进行改进,建立基于情景的多点源、多污染气体种类的受影响点气体污染计量模型;开发了由污染气体浓度、气体毒害系数和恶臭因子决定的负效应测度函数;结合情景持续时间,建立较长时期内综合负效应测度模型。通过算例验证模型的效果并提出负效应治理策略。(本文来源于《中国管理科学》期刊2012年02期）
韩永杰,陈广贵,李超[9]（2011）在《赋予标准高斯测度的有限维空间的平均宽度》一文中研究指出本文讨论了赋予标准高斯测度的有限维空间Rm在lmq空间上的p-平均Kolmogorov n宽度,并得到了其精确阶.(本文来源于《赤峰学院学报(自然科学版)》期刊2011年05期）
张艳伟[10]（2009）在《具有高斯测度的Sobolev空间上的算子逼近》一文中研究指出研究了Cesa′ro算子在具有高斯测度的Sobolev空间上的逼近并且获得平均误差估计.(本文来源于《枣庄学院学报》期刊2009年05期）
高斯测度论文开题报告
（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：
针对认知无线网络中小尺度授权用户的频谱检测问题,提出一种新的基于非高斯性测度的频谱感知新方法.由于在某一频段内,授权用户信号的出现会使得认知用户接收信号功率谱密度的统计分布特性发生显着改变,因此,利用峭度和偏度设计一个非高斯性测度统计量,进而提出利用非高斯性测度统计量来检测认知用户接收信号功率谱密度统计分布特性的变化,从而可以实现对认知无线网络中具有低发射功率的小尺度授权用户的准确检测.仿真实验结果表明,本文所提方法具有较好的频谱感知性能,并且对噪声的不确定性具有较好的鲁棒性.
（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。
高斯测度论文参考文献
[1].梁飞,乔焕.非高斯勒维过程驱动下随机粘弹性波动方程的不变测度[J].数学学报(中文版).2018
[2].景源,李鹏,牛斌.一种基于非高斯性测度的认知无线电频谱感知新方法[J].小型微型计算机系统.2016
[3].聂方彦,张平凤,屠添翼.基于高斯混合及相对熵测度的图像分割[J].激光与红外.2015
[4].胡修炎.高斯测度的再生核Hilbert空间与Sobolev空间的关系[J].枣庄学院学报.2014
[5].叶庆云.随机变量的一种非广义高斯性测度研究[D].西安电子科技大学.2014
[6].何美娟,孙中奎,徐伟.基于信息论测度的高斯色噪声激励下双稳系统的随机共振研究[C].中国力学大会——2013论文摘要集.2013
[7].倪禾,唐路明.上证综指收益的风险价值测度——基于高斯混合自回归模型的研究[J].浙江社会科学.2013
[8].王海燕,张岐山.基于改进高斯烟羽模型的废弃物处理设施负效应测度[J].中国管理科学.2012
[9].韩永杰,陈广贵,李超.赋予标准高斯测度的有限维空间的平均宽度[J].赤峰学院学报(自然科学版).2011
[10].张艳伟.具有高斯测度的Sobolev空间上的算子逼近[J].枣庄学院学报.2009