一、指数分布一阶中心绝对矩的估计（论文文献综述）
冷祥光[1]（2019）在《基于单通道SAR图像复值信息的舰船目标检测技术研究》文中研究表明以CFAR（Constant False Alarm Rate,恒虚警率）为代表的传统单通道SAR（Synthetic Aperture Radar,合成孔径雷达）图像舰船目标检测方法主要面向检测产品（即幅度或强度数据）,在完全发展的相干斑假设条件下认为相位信息对于检测是无益的,无法有效利用当今高分辨率SAR图像中的复值信息。而幅度或强度信息相对而言通常是非常单一的,且对雷达频段、极化方式、入射角、干扰等因素非常敏感,使得传统方法在复杂背景环境中容易产生虚警和漏检,存在一些难以克服的性能瓶颈问题。本文认为单通道高分辨率SAR图像中的相位信息有助于区分舰船目标和背景杂波,采用复值信息可以提升舰船目标检测的性能。一个复图像包括了两个实图像（幅度和相位或实部和虚部图像）,还包括了二者之间的代数和几何分析。因此,本文在研究单通道SAR图像幅度或强度信息的基础上,同时研究了其相位信息,并重点研究了描述实部和虚部之间关系的复值信息。具体地,本文首先对单通道SAR图像复值信息的提取和表征等基础问题进行了研究,然后对复值信息在舰船目标检测中的应用问题进行了研究,并通过丰富多样的真实和仿真数据进行了验证。其主要工作和创新成果如下:一、系统回顾了现有的SAR图像舰船目标检测方法对单通道、极化、干涉SAR图像舰船目标检测以及方位模糊去除方法进行了归纳和总结,梳理了本领域发展的主要脉络。同时,分析了现有检测方法的优点与存在的不足,总结了单通道SAR图像舰船目标检测目前面临的挑战和存在的机遇,最后提出了需要解决的关键问题和研究主线。二、详细研究了单通道SAR图像复值信息的提取和表征等基础问题1)基于统计建模的单通道SAR图像复值信息提取和表征方法。本文从回顾复值随机变量的重要概念出发,首先介绍传统幅度统计建模方法,然后重点研究相位统计建模方法。针对相位特征比较抽象和难以区分目标和背景的问题,提出一种基于邻域相位方向差特征的相位统计建模方法,可以有效描述舰船目标和背景杂波相位特征的差异,说明了利用复值信息提升检测性能的可行性。最后对基于复广义高斯分布的复值SAR图像统计建模方法进行研究,针对经典方法估计其形状参数效率较低的问题,提出一种近实时的基于高阶矩的快速估计方法,极大地提高了估计效率。估计结果具有良好的精度,可以有效表征复值数据的非高斯性。2)基于非圆性分解的单通道SAR图像复值信息提取和表征方法。非圆性是区分复值信号处理和传统实信号处理的一种基本复值信息。为了发掘非圆性的内涵和应用价值,提出一种非圆性的分解、度量和生成方法,扩展了非圆性理论:一是非圆性分解公式,明确了非圆性的构成;二是非圆性度量,可以更好地衡量目标之间的非圆性差异;三是非圆性生成方法,可以仿真任意强度非圆性的复值随机变量。在此基础上,理论分析和实验验证了舰船目标和海杂波之间非圆性的差异,为基于单通道SAR图像复值信息的舰船目标检测进一步奠定了基础。三、详细研究了单通道SAR图像复值信息在舰船目标检测中的应用问题1)基于复值信息的单通道SAR图像舰船目标和射频干扰区分方法。射频干扰是严重影响舰船目标检测的一种SAR图像质量问题。本文详细研究了其产生机理和对SAR图像的影响。针对其容易造成虚警的问题,作者首次发现射频干扰复值信息的两个特点:一是呈现非常弱的非圆性（或者说是圆性的）,二是主要呈现亚高斯性;并根据这些新发现,提出一种基于非圆性和非高斯性的舰船目标和射频干扰区分方法。结果表明射频干扰是预测的一种特殊非圆性情形:其具有和舰船目标近似的幅度或强度,但是非圆性和非高斯性却截然相反;同时,提出的区分方法能够有效鉴别单通道SAR图像中的射频干扰。2)基于复值信息的单通道SAR图像舰船目标检测方法。为了充分利用复值信息的优势和克服传统方法的不足,论文引入复信号峰度这种高阶复值信息,并阐述了其和非圆性以及非高斯性的紧密联系,指出其是海洋目标监视和SAR成像质量的一种重要指示器,并根据其较少受到雷达频段、极化方式、入射角等系统因素影响的特点,提出一种基于复信号峰度的单通道复值SAR图像舰船目标检测方法。其包括三个步骤:一是快速区域提取,可以快速地提取可能包含舰船目标的区域;二是目标迭代分割,可以鲁棒地对舰船目标进行分割和确认;三是目标特征增强,可以提升舰船目标的图像质量。实验验证了该方法在复杂环境背景下的有效性。
柯睿[2]（2017）在《多元时变高阶矩建模及其投资组合研究》文中进行了进一步梳理Markowitz的均值-方差投资组合模型是现代投资组合理论的基石,其开创了理性投资者在不确定条件下进行资产组合的理论与方法,对金融领域的学术研究和行业实践产生了革命性的深远影响。但随着金融计量建模技术的不断提高和金融实践的不断发展,该理论的不足之处也逐渐显现出来,集中体现为其在资产收益率分布呈现非正态性和效用函数具有非二次性时会面临着严重的福利损失。与此同时,众多研究表明资产及其组合收益率分布的非正态性和投资者效用函数的非二次性与资产及其组合收益率的高阶矩具有着紧密的内在联系。显然,将高阶矩引入到投资组合模型中并构建基于高阶矩的投资组合是克服均值-方差投资组合模型缺陷的必然趋势。进一步地,在现实投资决策中人们还发现资产收益率不仅具有非对称和尖峰厚尾特征且这些特征可能还具有时变性,其表现为资产收益率的偏度和峰度是时变的。因此,基于高阶矩的投资组合研究还需要关注多个资产收益率的高阶矩和协高阶矩的时变性特征,并进一步构建基于高阶矩的动态投资组合。显然,这就需要对多个资产收益率的协高阶矩矩阵进行动态建模。然而,目前有关动态投资组合优化问题的研究主要是基于前两阶矩的时变性来进行,而考虑具有时变高阶矩的动态投资组合研究却十分少见。尽管现有研究对条件期望向量和条件协方差矩阵的估计已经较为成熟,但是对条.件协高阶矩.....矩阵的估计由于存在“维数灾难”问题而存在很大的困难.........................。对此,本文提出合适的多元时变高阶矩建模方法,以解决条件协高阶矩矩阵的估计问题,并从动态角度进行基于高阶矩的动态投资组合研究。本文系统地梳理和总结了现阶段时变高阶矩建模及其应用方面的研究,并针对研究中存在的问题和不足,对时变高阶矩识别检验和多元时变高阶矩建模及其......................应用..方面的...研究进行了补充和完善..........。具体的研究内容如下:（1）本文介绍了适合对单个资产收益率的高阶矩特征进行动态建模的一元自回归条件密度（ARCD）模型。考虑到资产收益率分布具有非对称和尖峰厚尾特征,本文首先利用反比例因子法将非对称性引入到具有厚尾特征的学生T分布和广义误差分布中得到了具有非对称和尖峰厚尾特征的偏斜学生T分布（SST）和偏斜广义误差分布（SGE）。接着,基于SST分布和SGE分布分别建立了ARCD-SST模型和ARCD-SGE模型,并讨论了该模型的参数估计、时变高阶矩识别检验和模型诊断检验等问题。这其中针对现有的时变高........阶矩识别检验的缺陷.........与.不足,提出了基于回归的检验方法...............。最后利用蒙特卡洛模拟研究了基于回归的检验的有限样本性质,得到了其在有限样本下的检验水平和检验功效。（2）本文结合动态条件相关建模........和一元..自回归条件密度模型,..........提出了基.于动态条件相关的多元时变高阶矩模型.................,即动态条件等相关.......-.自回归条件密度.......（.DECO....-.ARCD....）模型...。该模型在DCC-GARCH模型的基础上进一步考虑了高阶矩的时变特征并对其进行动态建模,因而该模型是对DCC-GARCH模型的拓展,其可以表示成多个一元自回归条件密度模型的非线性组合。接着,在建立该模型的基础上得到了条件协高阶矩矩阵的估计,并利用新息冲击曲面来刻画前期冲击与当期条件协高阶矩之间的非线性关系。最后,利用该模型实证研究了上证50指数5只成分股票收益率序列的高阶矩特征,并将预测得到的条件协高阶矩矩阵用于构建基于高阶矩的动态投资组合。（3）本文结合广义正交变换......和一元..自回归条件密度模型,..........构建了基于广...义正交变换的多元时变高阶矩模型...............,即广义正交....-.自回归条件密度模型.........（.GO..-.ARCD....）.。该模型在GO-GARCH模型的基础上进一步考虑了高阶矩的时变特征并对其进行动态建模,因而该模型是对GO-GARCH模型的拓展,其可以表示成多个一元自回归条件密度模型的线性组合。在模型估计过程中本文引入独立成分分析使得模型的估计过程简化为两步,即混合矩阵的估计和多个一元自回归条件密度模型的估计。接着,在建立模型的基础上得到了条件协高阶矩矩阵的估计,并同样利用新息冲击曲面来刻画潜在因子的前期冲击与当期条件协高阶矩之间的非线性关系。最后,利用该模型研究了包括中国在内的15个“一带一路”沿线国家的股票价格指数收益率序列的高阶矩特征,并将预测得到的条件协高阶矩矩阵用于构建基于高阶矩的动态投资组合。本文的主要创新点主要体现在以下三个方面:（1）本文针对协高阶矩矩阵估计中由于大量参数需要估计而样本可能不足造成的“维数灾难”问题提供了两种可行的解决方法。这两种方法均对协..高阶矩矩阵施加了某种结构约束以减少需要估计的参数........................个数..,并据此对多个资产收益率序列建立了两种多元时变高阶矩模型,即动态条件等相关.......-.自回归...条件密度（.....DECO....-.ARCD....）模型...和广义正交....-.自回归条件密度（........GO..-.ARCD....）模..型.。这两种模型一方面能够很好地刻画资产收益率序列的非正态特征和时变特征,另一方面也能够方便地得到条件协高阶矩矩阵的估计,在一定程度上缓解了“维数灾难”问题。（2）本文给出了基于回归的检验用以识别资产收益序列的高阶矩是否具........................有时变特征.....。该检验克服了现阶段时变高阶矩识别检验适用性较差和检验功效较低等不足,一方面利用概率积分变换缓解了检验对资产收益率序列的高阶矩存在性的限制,另一方面考虑了检验统计量中参数估计的不确定性对其统计性质的影响,从而使得该检验具有良好的渐近统计性质且适用性更广。蒙特卡洛模拟结果进一步表明该检验具有良好的有限样本性质,其具有合适的检验水平和较高的检验功效。（3）本文通过对期望效用函数进行四阶泰勒级数展开.................将预测得到的条件协高阶矩矩阵引入到投资组合中构建了基于高阶矩的动态投资组合策略..............,并将其与不同的投资组合策略做对比研究。一方面,考察了波动择时投资组合........策略..与分布择时投资组合策略..........的经济价值及其差异。另一方面,也考察不同效用函数和不同风险厌恶程度对基于高阶矩的动态投资组合策略的影响。实证结果表明:第一,静态均值-方差投资组合策略相比于等权重投资组合策略并不是恒优的,其表现与所选的数据集相关。第二,相较于静态均值-方差投资组合策略,动态投资组合策略能够获得更高的收益和更小的方差且投资者也愿意从静态投资组合策略转向动态投资组合策略时承担一定的机会成本;第三,在动态投资组合中,引入协高阶矩矩阵的动态投资组合策略比仅引入协方差矩阵的动态投资组合策略能够获得更高的经济价值,表明分布择时投资组合策略比波动择时投资组合策略能获得更高的经济价值。第四,在其他条件不变的情况下,随着风险厌恶系数的提高不论是静态投资组合策略还是动态投资组合策略的经济价值均有明显的降低。
黄金山,陈敏[3]（2014）在《基于高频数据的GARCH模型的伪极大指数似然估计》文中认为波动率替代模型能将日内高频数据嵌入到日间的GARCH模型的框架下,因此我们可以通过构造合适的波动率替代来改进GARCH模型的参数估计.但是高频数据往往伴随着市场微观结构的噪音.它们可能会带来巨大的估计偏差.本文对波动率替代模型提出了伪极大指数似然估计（QMELE）.QMELE的渐近性质被给出.与传统的高斯伪极大似然估计（QMLE）相比,QMELE的渐近正态性只需要残差的二阶矩有限.数值模拟的结果显示QMELE有较高的精度和稳健性.
刘洋[4]（2014）在《非高斯AVO三参数反演算法及其应用研究》文中认为随着油气勘探的不断深入和勘探技术的不断提高,油气勘探的重点逐渐从构造油气藏转移至岩性油气藏。与传统的构造油气藏相比,岩性汕气藏隐蔽性更大,成藏规律更复杂,勘探难度更大,对储层预测精度的要求更高,以便获取更可靠的储层信息，降低勘探开发的风险。AVO （Amplitude Variation with Offset）反演是提取隐藏在地震信息中的弹性参数的重要途径,是当前地震信号处理与解释应用领域的前沿研究课题之一。传统的地震反演算法为了建模的简单性和解析的易处理性,通常假设噪声服从高斯分布。这种假定对信噪比相对较高的叠后地震反演来说是基本适用的,但是对于信噪相对较低的地震叠前数据来说,尤其是某些复杂储层（如生物礁储层）,高斯噪声假设往往难以满足实际情况,使得传统的基于高斯模型的叠前反演方法很难取得令人满意的效果。所以从反演性能损失的角度来看,为了给地震解释人员提供更可靠地解释依据,更准确的非高斯模型还是必要的。文章首先对AVO反演迭代算法中反演迭代误差以及实际地震叠前资料中的噪音的非高斯性进行了分析讨论,在此基础上,对高斯环境下的AVO三参数反演算法进行了深入研究,以提高地震叠前反演的准确度,为地震解释人员提供更可靠的解释依据。本文主要针对地震叠前反演中噪声和反演算法中迭代残差的非高斯特征,首先对常见的非高斯模型进行了分析,并在此基础上研究了不同噪音模型下的非高斯AVO三参数反演方法。论文的研究工作主要包括：（1）针对地震叠前反演中普遍使用的高斯模型,文章首先分析了AVO三参数反演迭代算法中反演迭代误差源,并利用某地震工区的实际地震资料对地震叠前数据中的噪音以及迭代算法中反演迭代误差的非高斯性进行了分析验证,为整篇论文的非高斯反演算法研究奠定了理论基础。（2）针对AVO反演迭代算法中迭代误差的非高斯特征,采用广义极值分布对反演迭代误差进行建模,由于广义极值分布根据参数选取的不同,可以拟合具有任意分布形态的概率密度函数,避免了使用单一分布造成的建模误差。同时针对迭代误差的时变性,在每一次迭代更新过程中利用广义极值分布对迭代残差实时拟合,提高了算法对的各类非高斯噪声的适应能力。并结合拟牛顿算法收敛速度快和共轭梯度算法数据存储量低的优点,提出了基于自适应广义极值分布的拟共轭梯度算法。（3）针对l1范数的奇异性导致的优化困难,提出了一种归一化符号梯度算法,该算法不仅保持了l1范数对脉冲噪声的鲁棒性,而且在迭代更新过程中不需要矩阵求逆,减少了计算量,提高了反演效率。同时引入变步长的思想,提出了变步长归一化符号梯度算法,解决了定步长算法存在的收敛速度和失调量之间的矛盾。（4）在分析迭代重加权最小二乘算法以及不同加权范数的优缺点的基础上,通过引入Hampel三段下降函数,提出一种迭代重加权最小M估计算法,算法通过结合Huber范数和Biweight范数的优点,提高了算法对脉冲噪声和高斯背景噪声的抑制能力。（5）针对地震叠前资料中噪声的非高斯分布特征,提出了一种基于l1、l2混合范数反演算法：算法构造了能同时压制高斯和非高斯噪声的l1、l2混合范数作为反演目标函数；同时在反演目标函数中加入测井约束信息,提高了反演的稳定性。（6）在基于,1、l2混合范数反演算法研究基础上,通过引入广义似然比检验函数,对l1范数和l2范数的权重进行自适应调节,提出了基于l1、l2自适应混合范数反演算法,提高了算法对地震叠前数据中非高斯噪声的自适应抑制能力。（7）由于l2范数在超高斯噪声和高斯噪声环境下有较好的反演性能,l4范数在亚高斯噪声干扰下有较好的反演性能,但是两者都对噪声环境异常敏感,从而限制了其应用环境。本文提出了一种正则化自适应混合范数AVO反演算法：通过峭度函数对l2范数和l4范数自适应组合,提高了算法对复杂噪声环境的适应能力；同时,在模型平滑区域使用l2范数正则化,在非平滑区域使用l1范数正则化,提高了反演的分辨率。
叶庆云[5]（2014）在《随机变量的一种非广义高斯性测度研究》文中认为高斯分布（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。
黄金山[6]（2013）在《基于高频数据的GARCH模型的参数估计》文中指出随着电子化交易的普及和信息技术的高速发展,日内高频数据的获取变得越来越容易.一般而言,日内高频数据往往包含更多的信息.Visser（2011）提出的波动率替代模型能将日内高频数据嵌入的日间的GARCH模型下,因此我们可以通过构造合适的波动率替代来改进GARCH模型的参数估计.但是高频数据往往伴随着市场微观结构的噪音,它们可能会带来巨大的估计偏差.因此,在利用高频数据进行建模的时候,要充分考虑市场微观结构噪音的影响,选择更稳健,限制条件较少的估计方法.基于以上考虑,本文首先对基于GARCH的波动率替代模型提出了伪极大指数似然估计（QMELE）,并给出了它的渐近性质,与传统的高斯伪极大似然估计（QMLE）相比,QMELE的渐近正态性只需要残差的二阶矩有限.数值模型也显示QMELE具有较高的精度和稳健性.此外,本文还对基于GJR的波动率替代模型提出了一类稳健M-估计.与QMELE类似,该类稳健估计的渐近正态性不需要残差的四阶矩有限.同时,我们还可以通过构造合适的损失函数来获得较高的效率.为了研究该类稳健估计在波动率替代模型下的有限样本性质,我们进行了蒙特卡罗模拟.模拟结果显示该类稳健估计同时具有高效性和稳健性,在具有25%异常点时仍然能够有较高的精度.最后,本文介绍了如何利用波动率替代模型来预测VaR的方法.我们对沪深300指数近3年的日内高频数据进行建模,研究了本文提出的各种估计方法在预测VaR上的表现.实证结果验证了本文提出的不同估计的有效性和准确性,同时也印证了波动率替代模型的实用性.综上所述,本文提出的估计方法以及基于波动率替代模型的VaR方法具有较好的统计性质和实用性,在实际应用中具有重要意义.
赵洪[7]（2013）在《数字图像与语音被动取证技术研究》文中研究指明网络带宽的增加和数字压缩算法的发展使得数字多媒体（视频、音频、图像等）成为了最佳的信息共享和交流的媒介。此外,个人电脑的普及和多媒体编辑软件的广泛应用,使得对多媒体数据地编辑、修改和伪造变得越加容易。恶意的攻击者可以轻易地对多媒体数据进行篡改与伪造,以达到恶意的目的。近年来,频繁出现的多媒体数据伪造事件,使公众对多媒体数据的完整性、可靠性和真实性提出了质疑,多媒体数据的取证成为当前国际信息安全领域研究的热点。针对保障多媒体信息的完整性、可靠性和真实性的需求,结合科研项目的研究需要,本文致力于对数字多媒体被动取证的研究,分别以图像和语音为对象,研究了图像隐写与隐写分析技术和语音取证技术。针对当前可逆信息隐藏算法缺乏安全性分析的现状,首先分析了当前流行的三种可逆信息隐藏算法,指出信息嵌入过程中引入的失真特性。理论研究发现,嵌入失真主要存在于图像水平方向的差分直方图中,而垂直方向的差分直方图基本保持不变。然后分别利用拉普拉斯模型、高斯模型以及相邻像素模型来描述差分直方图的分布特性,并同时提出利用水平和垂直方向差分直方图的相似度作为特征,实现了对常见的几种可逆信息隐藏算法地有效检测。实验表明,基于水平和垂直方向差分直方图相似度模型的检测算法的性能优于拉普拉斯模型、高斯模型和相邻像素模型。针对目前对调色板图像的通用隐写分析研究较少的现状,提出了一种基于广义差值直方图和颜色相关图的调色板图像通用隐写算法。该方案首先提出了调色板图像隐写的通用框架,并从理论上分析了信息隐藏对调色板图像像素之间相关性的影响。提出利用RGB颜色各通道的广义差分直方图和颜色相关图来描述像素间的相关性,并提取差值直方图的特征函数矩、颜色相关图的特征函数重心以及高阶中心距作为特征,利用支持向量机作为分类器,实现了对几种常见GIF调色板图像隐写算法和隐写软件的可靠检测。实验结果表明,该算法的性能优于Lyu等人的通用检测算法和Du的专用检测算法,并与Fridrich的专用检测算法性能相当,但更具有推广能力。提出了一种利用语音回声和背景噪声特征的录音环境识别算法。该算法认为,回声信号是一种环境相关的“固有指纹”,利用语音中的回声成分,可以实现录音环境地识别。该算法首先利用去回声算法,通过逆滤波的方式提取语音信号中的回声成分,然后利用粒子滤波提取语音信号的背景噪声作为补充,并提取MFCC、LMSC以及均值、方差、偏斜系数、峰度等高阶统计量作为分类特征,利用支持向量机实现对环境的分类检测。利用在8个不同环境中录制的2240段录音进行测试,结果表明,本方案提取的特征可以有效地区分录音环境,性能优于直接从语音信号中提取的特征,并且从回声信号中提取的特征不依赖于麦克风的类型。鲁棒性实验结果表明,该方案提取的特征对多种不同比特率的MP3压缩均具有鲁棒性。
刘君[8]（2012）在《多元q-高斯分布在投资组合模型中的应用》文中研究指明多元q-高斯分布是一类广义的高斯分布,它很好地描述了一些复杂系统特性,在社会、经济、自然科学、生命科学等各科学领域中都有广泛的应用。它的密度函数可以通过带白噪声的随机微分方程推导出,而对多元q-高斯分布的理论研究比较少。因此本文首先对多元q-高斯分布作理论研究,为其在各科学领域中的应用打下理论基础。研究发现该分布在参数取一定范围时类似于高斯分布但较高斯分布又具有尖峰厚尾的性质。投资组合理论是在一定的收益水平下投资风险最小化或者在一定的风险水平下收益最大化。传统的投资组合模型假定收益率服从高斯分布,但是这往往不符合实际金融市场。实际的金融市场收益率具有尖峰厚尾特点,这一点正好和多元q-高斯分布具有尖峰厚尾的性质相符合。因此需要对基于高斯分布的投资组合模型进行修正,建立新的投资组合模型即基于多元q-高斯分布的投资组合模型。文章包括以下方面的内容：1.多元q-高斯分布的理论探究,详细地从含白噪声的随机微分方程推导出多元q-高斯分布密度函数,证明了在参数q取某一范围时它是一个密度函数,讨论了密度函数的近似表达式；讨论了二元q-高斯分布的图形,并与高斯分布进行比较,具有尖峰厚尾性,讨论了当参数变化时图形的变化；探讨了多元q-高斯分布统计性质；最后讨论了多元q-高斯分布的数字特征（如均值向量,协方差矩阵）以及多元q-高斯分布中各参数的估计。2.基于多元q-高斯分布具有尖峰厚尾特性,符合现今金融市场实际特点,修正经典的投资组合模型,建立了基于多元q-高斯分布均值-方差投资组合模型和基于多元q-高斯分布的均值-VAR投资组合模型,并对模型进行了求解。3.文章选取中国A股市场的深圳华强、特力、深南电三只股票,对其在2011年1月到2012年3月收益率进行统计分析,发现三只股票收益率不满足高斯分布,而是较高斯分布具有尖峰厚尾的特点,用q-高斯分布拟合较好。求出多元q-高斯分布的协方差矩阵估计,进而求出基于多元q-高斯分布的最优投资比重并且也算出假定基于高斯分布的投资比重。将算出的各模型投资比重投资于2012年4月份这三只股票,计算表明对这三只股票来说基于多元q-高斯分布的均值-VAR投资组合模型要好于其它,基于多元q-高斯分布的两种投资组合模型比基于高斯分布的两种投资组合模型都要好。
杨媛[9]（2011）在《高速铁路供电系统RAMS评估的研究》文中认为高速铁路作为快捷舒适、超大运量、低碳环保的运输方式已经成为世界铁路发展的重要趋势,是解决客运供需矛盾的重要手段之一。“十一五”期间,我国高速铁路的发展实现了重大跨越,铁路建设取得了突出成就,已有8358公里高速铁路投入运营,为经济社会发展提供了坚强的铁路运输保障。牵引供电系统为高速列车提供动力,电力供电系统为行车提供信号、通信用电,整个供电系统是高速铁路的核心组成部分,必须满足高可靠性、高可用度、低维修费用和低风险的要求。目前,国外对于高速铁路供电系统RAMS（可靠性、可用性、可维护性和安全性）评估理论的研究刚刚起步,国内相关研究尚属空白。本文依托国家自然科学基金项目“高速铁路牵引供电系统RAMS评估的理论及其应用的研究（60674005）”,根据高速铁路的供电层次,分别对其供电系统的可靠性（可用性）、可维护性和安全性三方面的评估理论开展了系统的研究,取得了一定的创新性成果,主要研究内容和结论如下：在可靠性评估方面,就外部电力系统对高速铁路供电的可靠性、牵引变电站主接线和10kV电力供电系统的可靠性,接触网设备及系统的可靠性展开研究。（1）结合牵引供电系统的实际,建立了外部电力系统对高速铁路供电可靠性的解析模型,提出并推导了考虑牵引变电站越区供电能力前提下定量评估外部电源供电可靠性的9个指标,开发了启发式就近削负荷和直流灵敏度削负荷两种快速算法。IEEE-RTS 79算例结果证明该解析模型可准确定位电力系统的供电薄弱环节,通过改善灵敏度高的元件可靠性参数,可使整条铁路的供电可靠性大大提高；（2）开发邻接终点矩阵生成最小割集算法程序以快速查找牵引变电站上下行供电点的各阶故障,建立7个可靠性指标评估变电站主接线的可靠性大小,京津客运专线220kV牵引变电站算例验证评估方法的有效性；运用最小割集算法得到10kV电力负荷点的各阶故障,通过4个可靠性指标比较单双贯通线的供电可靠性,比较贯通线的敷设方式对系统供电可靠性的影响程度,京津客运专线亦庄至永乐段10kV电力供电系统算例说明了评估过程及结果；（3）概述了高速铁路接触网系统设备分类,统计了关键设备的缺陷（故障）及处理措施；介绍了接触网设备可靠性分布参数拟合的平均秩法和K-S、χ2两种常用的优度检验方法,应用以上方法统计分析了京津客运专线开通以来的故障数据,对接触网设备及系统进行可靠性建模和评估,为建立接触网的动态可靠性模型提供了理论基础。在可维修性方面,建立了周期预防性维修活动下接触网设备及系统的动态可靠性模型和维修费用模型,将接触网预防性维修计划优化问题转化为一个多目标优化问题；在NSGA-Ⅱ优化算法的基础上,对初始种群的混沌生成、保持种群的多样性、避免个体早熟和增强全局收敛方面进行改进,提出了一种新的混沌自适应进化算法（CSEA）并对京津城际高速铁路接触网系统维修计划进行了优化。计算结果验证了该算法的有效性和优越性,同时该算法对其它多目标优化问题的求解也具有一定的普适性。在安全性评估方面,基于风险理论对恶劣天气下外部电源供电、接触网供电及牵引供电系统的综合风险进行评估。（1）对恶劣天气进行建模确定了输电线路的动态故障率,将可靠性评估的概率指标转化为考虑时变天气状态的风险指标,对外部电源供电风险进行评估；（2）定义了风偏风险和积冰风险两种严重程度函数来描述接触网在大风和冰冻雨雪天气下的供电风险事件,通过接触网的最大风偏量和合成载荷值进行风险估计,确定了接触网各区段的实时供电风险；（3）建立了牵引供电系统风险评估的目标层、准则层和方案层,采用层次分析法和模糊层次分析法计算不同确定度下准则层的权重矩阵和一致性检验结果,应用灰色最大关联度法计算目标层的风险值；（4）通过RBTS算例验证本文提出的时变风险指标及其算法可以准确计算牵引供电系统各部分和整体的时变风险值,确定系统的安全运行风险。结合数字天气预报,本文提出的风险模型及其算法实现了牵引供电系统综合风险的实时定量评估和风险预警,为铁路调度部门应对极端天气提供了理论依据。
赵晶晶[10]（2010）在《缺失数据下广义线性模型参数拟似然估计的相合性和渐近正态性》文中进行了进一步梳理广义线性模型在生物、医学、经济和社会学等领域有着广泛的应用,它适用于连续数据和离散数据,特别是后者。论文主要目的是研究广义线性模型（GLM）中部分协变量数据随机缺失时,模型参数的极大拟似然估计在一些正则条件下的相合性和渐近正态性问题。论文首先讨论了当协变量和响应变量均为离散变量,部分协变量（列向量）随机缺失时,基于EM算法,提出一种新的方法,即利用有效数据线性预测补足协变量数据缺失部分,运用到指定均值和方差关系的参数拟似然估计中,并证明了在一些适当的正则条件下通过这种方法得出的参数估计具有相合性和渐近正态性。其次将结论进行了推广,即响应变量为多维,协变量为矩阵,用选取的适当的矩阵值函数来取代均值与方差的关系,并证明了运用提出的新方法得出的参数的拟似然估计在一些适当的正则条件下具有强相合性。最后介绍了几种较为常见的GLM模型及常用的检验方法。通过具体数据进行模拟,对比了累积比数模型和Logistic模型的参数估计,说明了在分类适当的情况下,得出的两种模型的分析结果很相似。然而在数据分类不恰当时,累积比数模型比Logistic模型的分析结果更为可靠。
二、指数分布一阶中心绝对矩的估计（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、指数分布一阶中心绝对矩的估计（论文提纲范文）
（1）基于单通道SAR图像复值信息的舰船目标检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状和面临的挑战 |
| 1.2.1 SAR图像舰船目标检测研究现状 |
| 1.2.2 挑战、机遇和关键问题 |
| 1.3 主要工作和创新点 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的章节安排 |
| 1.3.3 论文的创新点 |
| 第二章 基于统计建模的单通道SAR图像复值信息提取和表征 |
| 2.1 引言 |
| 2.2 复值基础 |
| 2.2.1 复值及其函数 |
| 2.2.2 复值随机变量 |
| 2.2.3 数值特征 |
| 2.3 复值SAR图像幅度统计建模 |
| 2.3.1 研究现状概述 |
| 2.3.2 典型统计分布模型 |
| 2.4 复值SAR图像相位统计建模 |
| 2.4.1 相位循环统计量 |
| 2.4.2 von Mises分布 |
| 2.4.3 邻域相位方向差 |
| 2.5 基于复广义高斯分布的复值SAR图像复值统计建模 |
| 2.5.1 广义高斯分布简介 |
| 2.5.2 复广义高斯分布及其生成 |
| 2.5.3 基于最大似然估计法的复广义高斯分布参数估计 |
| 2.5.4 基于高阶矩的复广义高斯分布形状参数快速估计 |
| 2.6 本章小结 |
| 第三章 基于非圆性分解的单通道SAR图像复值信息提取和表征 |
| 3.1 引言 |
| 3.2 非圆性的概念 |
| 3.2.1 非圆性定义 |
| 3.2.2 非圆性测度 |
| 3.3 非圆性分解理论 |
| 3.3.1 非圆性分解基础 |
| 3.3.2 非圆性度量空间 |
| 3.3.3 非圆性的生成 |
| 3.4 SAR海洋图像典型目标非圆性分析 |
| 3.4.1 海杂波非圆性分析 |
| 3.4.2 舰船目标非圆性分析 |
| 3.4.3 理论上存在的另外两种特殊情形 |
| 3.5 本章小结 |
| 第四章 基于复值信息的单通道SAR图像舰船目标和射频干扰区分 |
| 4.1 引言 |
| 4.2 射频干扰介绍 |
| 4.2.1 射频干扰成因 |
| 4.2.2 Sentinel-1图像中的射频干扰 |
| 4.3 射频干扰的非圆性和非高斯性研究 |
| 4.3.1 区分原理介绍 |
| 4.3.2 敏感性研究 |
| 4.3.3 射频干扰的影响 |
| 4.4 舰船目标和射频干扰的区分方法 |
| 4.5 实验结果分析与讨论 |
| 4.5.1 区分结果与分析 |
| 4.5.2 实验结果讨论 |
| 4.5.3 射频干扰源的定位 |
| 4.6 本章小结 |
| 第五章 基于复值信息的单通道SAR图像舰船目标检测 |
| 5.1 引言 |
| 5.2 复信号峰度的概念 |
| 5.2.1 实信号峰度 |
| 5.2.2 复信号峰度的阐释 |
| 5.3 复信号峰度检测的基本原理及敏感性研究 |
| 5.3.1 基于复信号峰度进行检测的基本原理 |
| 5.3.2 典型目标的复信号峰度敏感性研究 |
| 5.3.3 复信号峰度和SAR成像质量的关系 |
| 5.4 基于复信号峰度的舰船目标检测方法 |
| 5.4.1 方法描述 |
| 5.4.2 迭代分割过程的阐述 |
| 5.5 实验结果分析与讨论 |
| 5.5.1 检测结果与分析 |
| 5.5.2 检测结果讨论 |
| 5.6 基于复信号峰度最大化的舰船目标特征增强 |
| 5.6.1 旁瓣抑制和复信号峰度的关系 |
| 5.6.2 基于复信号峰度最大化的舰船目标聚焦 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录A 均匀分布的熵 |
| 附录B 相关系数和相位一致性的关系 |
| 缩略语 |
（2）多元时变高阶矩建模及其投资组合研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 研究内容与结构安排 |
| 1.3 主要创新点 |
| 2 文献综述 |
| 2.1 一元时变高阶矩的建模研究 |
| 2.2 多元时变高阶矩的建模研究 |
| 2.3 基于时变高阶矩的应用研究 |
| 2.4 文献评述 |
| 3 一元时变高阶矩模型 |
| 3.1 ARCD模型的构建 |
| 3.1.1 分布的偏度-峰度界限 |
| 3.1.2 分布的选取 |
| 3.2 ARCD模型的估计 |
| 3.3 条件偏度和条件峰度的估计 |
| 3.4 新息冲击曲线 |
| 3.5 时变高阶矩识别检验 |
| 3.5.1 游程检验 |
| 3.5.2 拉格朗日乘数检验 |
| 3.5.3 基于回归的检验 |
| 3.6 模型诊断检验 |
| 3.6.1 条件矩检验 |
| 3.6.2 非参数设定检验 |
| 3.7 模拟研究 |
| 3.7.1 检验水平 |
| 3.7.2 检验功效 |
| 3.8 本章小结 |
| 4 基于动态条件相关的多元时变高阶矩模型 |
| 4.1 DECO-ARCD模型的构建 |
| 4.1.1 条件均值的设定 |
| 4.1.2 条件协方差矩阵的设定 |
| 4.1.3 条件联合分布的设定 |
| 4.2 DECO-ARCD模型的估计 |
| 4.2.1 极大似然估计 |
| 4.2.2 模拟研究 |
| 4.3 条件协高阶矩矩阵的估计 |
| 4.4 新息冲击曲面 |
| 4.5 实证研究 |
| 4.5.1 数据选取与描述 |
| 4.5.2 识别检验与参数估计 |
| 4.5.3 各阶矩的动态特征 |
| 4.5.4 资产投资组合分析 |
| 4.6 本章小结 |
| 5 基于广义正交变换的多元时变高阶矩模型 |
| 5.1 GO-ARCD模型的构建 |
| 5.2 GO-ARCD模型的估计 |
| 5.2.1 极大似然估计 |
| 5.2.2 分步估计 |
| 5.2.3 潜在因子的排序 |
| 5.2.4 模拟研究 |
| 5.3 条件协高阶矩矩阵的估计 |
| 5.4 新息冲击曲面 |
| 5.5 实证研究 |
| 5.5.1 数据选取与描述 |
| 5.5.2 识别检验与参数估计 |
| 5.5.3 各阶矩的动态特征 |
| 5.5.4 资产投资组合分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的科研成果 |
（4）非高斯AVO三参数反演算法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩写符号对照表 |
| 第1章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 AVO反演技术及国内外研究现状 |
| 1.2.1 AVO技术发展历史 |
| 1.2.2 AVO反演方法研究现状 |
| 1.3 现有反演算法存在的问题 |
| 1.4 论文主要研究内容 |
| 1.5 论文各章节组织结构 |
| 第2章 AVO理论概述 |
| 2.1 AVO理论基础 |
| 2.1.1 AVO反演理论基础——Zoeppritz方程 |
| 2.1.2 Zoeppritz近似方程 |
| 2.2 AVO正演模型建立 |
| 2.3 含泥岩线约束的AVO正演模型 |
| 2.4 AVO反演 |
| 2.5 本章小结 |
| 第3章 反演迭代误差源及其非高斯性分析 |
| 3.1 引言 |
| 3.2 高斯模型 |
| 3.3 非高斯模型及其度量方法 |
| 3.3.1 常见非高斯模型 |
| 3.3.2 非高斯分布度量方法 |
| 3.4 AVO反演中反演迭代误差源的讨论 |
| 3.5 实际地震叠前资料中噪音与反演迭代误差的非高斯性分析 |
| 3.5.1 地震叠前资料噪声的非高斯性分析 |
| 3.5.2 反演迭代误差的非高斯性分析 |
| 3.6 本章小结 |
| 第4章 基于自适应广义极值分布的拟共轭梯度反演算法 |
| 4.1 引言 |
| 4.2 广义极值分布及其参数估计 |
| 4.3 基于自适应广义极值分布的拟共轭梯度算法 |
| 4.4 实验仿真及分析 |
| 4.4.1 模型试算 |
| 4.4.2 实际数据反演 |
| 4.5 本章小结 |
| 第5章 基于拉普拉斯分布的变步长归一化符号梯度算法 |
| 5.1 引言 |
| 5.2 符号梯度算法 |
| 5.3 变步长归一化符号梯度算法 |
| 5.4 实验仿真及分析 |
| 5.4.1 模型试算 |
| 5.4.2 实际数据反演 |
| 5.5 本章小结 |
| 第6章 基于混合分布的迭代重加权最小M估计算法 |
| 6.1 引言 |
| 6.2 迭代重加权最小二乘算法 |
| 6.3 迭代重加权最小M估计算法 |
| 6.3.1 Hampel三段下降函数 |
| 6.3.2 迭代重加权最小M估计算法 |
| 6.4 实验仿真及分析 |
| 6.4.1 模型试算 |
| 6.4.2 实际数据反演 |
| 6.5 本章小结 |
| 第7章 基于混合分布的自适应混合范数反演算法 |
| 7.1 引言 |
| 7.2 基于L_1、L_2混合范数反演算法 |
| 7.3 实验仿真及分析 |
| 7.3.1 模型试算 |
| 7.3.2 实际数据反演 |
| 7.4 基于L_1、L_2自适应混合范数反演算法 |
| 7.4.1 广义似然比检验 |
| 7.4.2 基于l_1、l_2自适应混合范数反演算法 |
| 7.5 实验仿真及分析 |
| 7.5.1 模型试算 |
| 7.5.2 实际数据反演 |
| 7.6 正则化自适应混合范数反演 |
| 7.6.1 压制各类噪声的自适应混合范数 |
| 7.6.2 提高反演分辨率的自适应正则化 |
| 7.6.3 正则化自适应混合范数 |
| 7.7 实验仿真及分析 |
| 7.7.1 模型试算 |
| 7.7.2 实际数据反演 |
| 7.8 本章小结 |
| 总结和展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及科研成果 |
（5）随机变量的一种非广义高斯性测度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 概率论与数理统计背景简介 |
| 1.1.2 概率论与数理统计的内容 |
| 1.1.3 概率分布模型 |
| 1.1.4 本文研究的意义 |
| 1.2 高斯分布及非高斯性测度 |
| 1.2.1 高斯分布背景简介 |
| 1.2.2 非高斯性测度 |
| 1.3 广义高斯分布及非广义高斯性测度 |
| 1.3.1 广义高斯分布简介 |
| 1.3.2 非广义高斯性测度 |
| 1.4 本文的结构安排 |
| 第二章 高斯分布及非高斯性测度 |
| 2.1 高斯分布的背景 |
| 2.2 高斯分布的定义 |
| 2.2.1 连续型随机变量的概率密度函数 |
| 2.2.2 高斯分布的概率密度函数 |
| 2.2.3 高斯分布的累积分布函数 |
| 2.3 高斯分布的特性 |
| 2.3.1 关于位置参数 |
| 2.3.2 关于尺度参数 |
| 2.3.3 高斯分布的标准化转换 |
| 2.3.4 高斯分布的性质 |
| 2.3.5 由高斯分布导出的分布 |
| 2.3.6 中心极限定理 |
| 2.4 非高斯性测度 |
| 2.4.1 信息熵 |
| 2.4.2 随机变量的信息熵 |
| 2.4.3 最大熵问题 |
| 2.4.4 非高斯性测度 |
| 2.5 非高斯性的典型应用——基于非高斯性的独立分量分析 |
| 2.5.1 独立分量分析简介 |
| 2.5.2 独立分量分析的定义 |
| 2.5.3 独立分量分析的主要研究内容 |
| 2.5.4 非高斯性及独立性准则 |
| 2.6 本章小结 |
| 第三章 广义高斯分布与非广义高斯性测度 |
| 3.1 广义高斯分布 |
| 3.1.1 广义高斯分布的概率密度函数 |
| 3.1.2 广义高斯分布的累积分布函数 |
| 3.2 广义高斯分布的统计性质 |
| 3.2.1 特例分布 |
| 3.2.2 原点矩 |
| 3.2.3 中心距 |
| 3.2.4 平均偏度 |
| 3.3 绝对矩 |
| 3.3.1 绝对矩的定义 |
| 3.3.2 广义高斯随机变量的绝对矩 |
| 3.4 非广义高斯性测度 |
| 3.4.1 广义高斯分布的信息熵 |
| 3.4.2 最大熵问题 |
| 3.4.3 非广义高斯性测度 |
| 3.4.4 本文中计算非广义高斯性的方法步骤 |
| 3.4.5 概率密度函数估计方法 |
| 3.5 本章小结 |
| 第四章 实验研究与结果分析 |
| 4.1 确定参照广义高斯分布 |
| 4.1.1 实验说明 |
| 4.1.2 实验结果与分析 |
| 4.2 广义高斯分布随机变量的参数对其 non-GGD 的影响 |
| 4.2.1 实验说明 |
| 4.2.2 参数 变化 |
| 4.2.3 参数 变化 |
| 4.3 广义高斯分布随机变量的参照广义高斯分布 |
| 4.3.1 实验说明 |
| 4.3.2 参数α变化 |
| 4.3.3 参数γ变化 |
| 4.3.4 实验总结 |
| 4.4 误差对实验结果的影响 |
| 4.4.1 样本数据大小是实验的影响 |
| 4.4.2 数值积分计算误差 |
| 4.4.3 概率密度函数估计的准确性对实验结果的影响 |
| 4.5 在非广义高斯分布样本数据上的实验分析 |
| 4.5.1 各种分布的样本数据 non-GGD 实验 |
| 4.5.2 实验结果对比分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
（6）基于高频数据的GARCH模型的参数估计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 表格 |
| 插图 |
| 第一章 绪论 |
| 1.1 市场微观结构噪音 |
| 1.2 GARCH 模型 |
| 1.2.1 GARCH模型基本性质 |
| 1.2.2 GARCH参数估计 |
| 1.2.3 其它GARCH模型 |
| 1.3 尺度模型和波动率替代 |
| 1.3.1 尺度模型 |
| 1.3.2 波动率替换 |
| 1.4 文章内容及创新点 |
| 第二章 伪极大指数似然估计 |
| 2.1 波动率替代模型 |
| 2.2 QMELE 估计 |
| 2.3 渐近性质 |
| 2.4 数值模拟 |
| 2.5 结论及讨论 |
| 2.6 证明 |
| 第三章 基于GJR模型的稳健估计 |
| 3.1 模型及平稳性 |
| 3.2 稳健估计 |
| 3.3 稳健估计的渐近性质 |
| 3.4 数值模拟 |
| 3.5 结论及讨论 |
| 3.6 证明 |
| 第四章 在VaR预测中的应用 |
| 4.1 VaR简介 |
| 4.2 基于波动率替换模型的VaR方法 |
| 4.3 VaR方法的评估 |
| 4.4 沪深300指数的实证研究 |
| 4.5 结论及讨论 |
| 第五章 结论与展望 |
| 5.1 本文结论 |
| 5.2 需要进一步研究的问题 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文 |
（7）数字图像与语音被动取证技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 数字图像被动取证的基本概念 |
| 1.3 数字音频被动取证的基本概念 |
| 1.4 本文主要工作及组织结构 |
| 第2章 盲图像隐写分析与语音被动取证研究进展 |
| 2.2 通用图像盲隐写分析技术研究进展 |
| 2.2.1 通用隐写分析技术的基本原理框架 |
| 2.2.2 典型的通用隐写分析算法 |
| 2.3 语音被动取证技术研究进展 |
| 2.3.1 对数字音频篡改检测的研究 |
| 2.3.2 对麦克风取证的研究 |
| 2.3.3 对语音录制环境辨别的研究 |
| 2.4 本章小结 |
| 第3章 几种可逆信息隐藏方案的统计分析 |
| 3.1 几种典型可逆信息隐藏算法 |
| 3.2 像素差值直方图统计模型的分析 |
| 3.2.1 差分直方图失真分析 |
| 3.2.2 准拉普拉斯分布模型(Quasi-Laplace Distribution,QLD) |
| 3.2.3 广义高斯分布模型(Generalized Gaussian Distribution,GGD) |
| 3.2.4 相邻像素值模型(Adjacent Pixel Value,APV) |
| 3.2.5 水平和垂直方向差值直方图相似度 |
| 3.3 实验结果与分析 |
| 3.3.1 QLD模型拟合 |
| 3.3.2 GGD模型拟合 |
| 3.3.3 APV模型 |
| 3.3.4 HVDH模型 |
| 3.3.5 检测性能比较 |
| 3.5 本章小结 |
| 第4章 基于广义差值直方图和颜色相关图的调色板图像盲检测 |
| 4.1 GIF调色板图像隐写的基本框架 |
| 4.2 图像的统计特性与嵌入失真分析 |
| 4.3 颜色相关图特征的提取 |
| 4.4 广义差值直方图的构造与特征提取 |
| 4.5 实验结果与分析 |
| 4.5.1 实验准备 |
| 4.5.2 实验结果 |
| 4.5.3 性能比较 |
| 4.5.4 对模型训练的进一步分析讨论 |
| 4.6 本章小结 |
| 第5章 基于语音回声和背景噪声特性的环境识别 |
| 5.1 语音生成的基本模型 |
| 5.2 回声信号的盲提取 |
| 5.2.1 回声信号估计 |
| 5.2.2 空间脉冲响应(RIR)的估计 |
| 5.3 基于粒子滤波的背景噪声提取 |
| 5.3.1 粒子滤波的序列重要性采样 |
| 5.3.2 噪声估计的动态方程 |
| 5.3.3 权重的计算 |
| 5.3.4 粒子的初始化 |
| 5.4 特征融合与分类 |
| 5.5 性能评估与实验结果分析 |
| 5.5.1 实验数据库 |
| 5.5.2 实验准备 |
| 5.5.3 实验结果分析 |
| 5.6 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位论文期间发表的论文与科研成果 |
| 攻读博士学位期间参与的科研项目 |
（8）多元q-高斯分布在投资组合模型中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 文献综述 |
| 1.2.1 关于q-分布,q-高斯分布的研究 |
| 1.2.2 投资组合 |
| 1.3 本文的研究对象和目的 |
| 第二章 多元q-高斯分布密度函数及数字特征 |
| 2.1 多元q-高斯密度函数的推导 |
| 2.2 近似的q-高斯分布密度函数 |
| 2.2.1 近似的一元q-高斯分布密度函数 |
| 2.2.2 近似的多元q-高斯分布密度函数 |
| 2.3 二元q-高斯分布密度函数图形及性质 |
| 2.3.1 二元q-高斯分布密度函数及图形 |
| 2.3.2 二元q-高斯密度函数相关性质 |
| 2.4 q-高斯分布数字特征 |
| 2.4.1 一元q-高斯分布均值和方差 |
| 2.4.2 多元q-高斯分布的数字特征 |
| 2.5 多元q-高斯分布各参数的估计 |
| 2.5.1 参数Q_(ij)矩估计 |
| 2.5.2 参数q_1…q_n,β_1…β_n,的估计 |
| 第三章 多元q-高斯分布在投资组合模型中的应用 |
| 3.1 投资组合模型 |
| 3.2 基于多元q-高斯分布的投资组合模型 |
| 3.2.1 基于多元q-高斯分布的均值-方差模型 |
| 3.2.2 基于多元q-高基斯分布的均值-VaR投资组合模型 |
| 3.3 基于多元q-高斯分布投资组合模型的求解 |
| 3.3.1 基于多元q-高斯分布均值-方差投资组合模型求解 |
| 3.3.2 基于多元q-高基斯分布的均值-VaR投资组合模型求解 |
| 第四章 实证分析 |
| 4.1 数据正态性检验及q-高斯分布拟合 |
| 4.2 实证中多元q-高斯分布参数估计 |
| 4.3 求解最优投资权重 |
| 4.3.1 基于多元q-高斯分布与高斯分布的均值-方差模型投资权重 |
| 4.3.2 基于多元q-高斯分布与基于高斯分布的均值-VAR模型投资权重 |
| 4.4 用四种投资组合模型进行预测与比较分析 |
| 4.4.1 基于多元q-高斯分布与高斯分布的均值-方差模型的比较 |
| 4.4.2 基于多元q-高斯分布与高斯分布的均值-VAR模型比较 |
| 4.4.3 基于多元q-高斯的均值-方差模型与均值-VAR模型比较 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的硕士论文 |
| 附录 |
（9）高速铁路供电系统RAMS评估的研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 我国高速铁路发展现状 |
| 1.1.2 高速铁路供电系统的特点 |
| 1.1.3 高速铁路供电系统RAMS评估理论的研究内容 |
| 1.1.4 本文研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 系统可靠性分析方法研究现状 |
| 1.2.2 以可靠性为中心的维修研究现状 |
| 1.2.3 安全性评价分析方法研究现状 |
| 1.2.4 高速铁路供电系统RAMS评估理论研究现状 |
| 1.3 论文的章节安排及框架结构 |
| 2 外部电力系统对高速铁路供电的可靠性评估 |
| 2.1 外部电力系统供电可靠性评估解析模型 |
| 2.1.1 时序Monte-Carlo法模拟外部电力系统评估状态 |
| 2.1.2 外部电源供电可靠性评估指标体系及灵敏度分析 |
| 2.2 基于交流潮流的启发式就近削负荷可靠性评估 |
| 2.2.1 算法原理 |
| 2.2.2 程序框图及实现 |
| 2.3 基于直流潮流的灵敏度削负荷可靠性评估 |
| 2.3.1 算法原理 |
| 2.3.2 程序框图及实现 |
| 2.4 IEEE-RTS 79算例分析 |
| 2.4.1 网络结构及评估状态生成 |
| 2.4.2 供电可靠性指标及灵敏度分析 |
| 2.5 本章小结 |
| 3 牵引变电站主接线及10kV电力供电系统的可靠性评估 |
| 3.1 可靠性评估指标 |
| 3.1.1 牵引变电站主接线的可靠性评估指标 |
| 3.1.2 10kV电力供电系统的可靠性评估指标 |
| 3.2 最小割集的基本理论与搜索方法 |
| 3.2.1 网络割集的若干定义 |
| 3.2.2 系统n阶割集的搜索与概率计算 |
| 3.2.3 邻接终点矩阵算法搜索最小割集原理 |
| 3.2.4 任意网络最小割集计算程序设计 |
| 3.3 FMECA分析牵引变电站主接线故障判据 |
| 3.4 京津客运专线牵引变电站主接线的可靠性评估 |
| 3.5 京津客运专线10kV电力供电系统的可靠性评估 |
| 3.6 本章小结 |
| 4 接触网设备及系统的可靠性评估 |
| 4.1 设备可靠性分布参数拟合及检验方法 |
| 4.1.1 设备可靠性分布参数拟合 |
| 4.1.2 拟合结果的优度检验 |
| 4.2 系统概述及设备故障分类 |
| 4.2.1 高速铁路接触网系统设备概述 |
| 4.2.2 接触网设备缺陷(故障)及处理措施分类 |
| 4.3 京津客运专线接触网系统的可靠性评估 |
| 4.3.1 各工区接触网设备运行情况及检修方式概述 |
| 4.3.2 设备运行缺陷数据统计 |
| 4.3.3 关键设备的可靠性建模 |
| 4.3.4 系统的可靠性评估 |
| 4.4 本章小结 |
| 5 接触网系统预防性维修计划的多目标优化 |
| 5.1 周期预防性维修活动下的接触网系统可靠性模型 |
| 5.1.1 设备动态可靠性及故障率模型 |
| 5.1.2 系统动态可靠性及维修费用模型 |
| 5.2 多目标优化方法和关键问题 |
| 5.2.1 多目标优化问题描述 |
| 5.2.2 多目标进化算法(MOEAs)及其关键理论 |
| 5.3 可靠性-维修费用双目标维修计划的优化 |
| 5.3.1 优化问题描述 |
| 5.3.2 混沌自适应进化算法 |
| 5.4 京津客运专线接触网周期性预防维修计划的多目标优化 |
| 5.4.1 与NSGA-Ⅱ算法结果比较 |
| 5.4.2 优化结果及维修计划的选择 |
| 5.5 本章小结 |
| 6 基于风险理论的牵引供电系统安全性评估 |
| 6.1 恶劣天气下外部电源的供电风险评估 |
| 6.1.1 大风、冰冻雨雪天气下电力输电线的故障率建模 |
| 6.1.2 恶劣天气下外部电源供电风险指标 |
| 6.1.3 评估方法及过程 |
| 6.2 考虑风冰载荷的接触网系统风险评估 |
| 6.2.1 接触网悬挂系统风偏值的建模与计算 |
| 6.2.2 接触网悬挂系统冰载荷的建模与计算 |
| 6.2.3 接触网悬挂系统的合成负载 |
| 6.2.4 考虑风偏和覆冰的接触网供电风险评价 |
| 6.3 基于层次分析理论和灰度最大关联度法的牵引供电系统风险评估 |
| 6.3.1 层次分析理论计算风险指标权重 |
| 6.3.2 灰度最大关联度法定量评估牵引供电系统供电风险 |
| 6.3.3 牵引供电系统风险评估的层次分析模型 |
| 6.4 恶劣天气下RBTS对某高速铁路的供电风险综合评估 |
| 6.4.1 RBTS对高速铁路供电风险评估 |
| 6.4.2 接触网供电风险评估 |
| 6.4.3 牵引供电系统风险评估 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 主要研究内容与结论 |
| 7.2 创新性成果 |
| 7.3 工作展望 |
| 参考文献 |
| 附录A |
| 作者简历 |
| 发表论文列表 |
| 学位论文数据集 |
（10）缺失数据下广义线性模型参数拟似然估计的相合性和渐近正态性（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 广义线性模型简介 |
| 1.1.1 GLM 产生的实际背景 |
| 1.1.2 GLM 的国内外研究现状 |
| 1.1.3 GLM 的应用与前景 |
| 1.1.4 GLM 的算法实现 |
| 1.2 不完全数据及其处理方法 |
| 1.3 随机缺失机制 |
| 1.4 论文的主要工作及章节安排 |
| 第2章 预备知识 |
| 2.1 广义线性模型 |
| 2.1.1 GLM 的构成 |
| 2.1.2 GLM 的性质 |
| 2.2 GLM 的参数估计 |
| 2.2.1 GLM 参数的似然估计 |
| 2.2.2 GLM 参数似然估计的渐近协差阵 |
| 2.2.3 GLM 参数的拟似然估计 |
| 2.3 GLM 估计方程的算法 |
| 2.3.1 GLM 估计方程的Newton-Raphson 算法 |
| 2.3.2 Fisher 得分算法 |
| 2.4 EM 算法 |
| 2.4.1 EM 算法的原理 |
| 2.4.2 EM 算法的收敛性质 |
| 2.5 本章小结 |
| 第3章 GLM 中不完全数据参数的拟似然估计 |
| 3.1 引言 |
| 3.2 GLM 参数的拟似然估计方程 |
| 3.2.1 新方法的提出及符号表示 |
| 3.2.2 正则条件及结论 |
| 3.3 拟似然估计相合性和渐近正态性的证明 |
| 3.3.1 拟似然估计的相合性 |
| 3.3.2 拟似然估计的渐近正态性 |
| 3.4 本章小结 |
| 第4章 响应变量多维的GLM 不完全数据参数拟似然估计的相合性 |
| 4.1 引言 |
| 4.2 拟似然估计方程及标记 |
| 4.3 正则条件及结论 |
| 4.4 结论的证明 |
| 4.4.1 相关引理的介绍 |
| 4.4.2 相合性的证明 |
| 4.5 本章小结 |
| 第5章 几种分类数据模型 |
| 5.1 引言 |
| 5.2 几种模型介绍 |
| 5.2.1 Logistic 模型 |
| 5.2.2 基线分类Logits |
| 5.2.3 累积比数模型 |
| 5.3 常用的检验统计量 |
| 5.4 实例分析 |
| 5.5 本章小结 |
| 结论 |
| 附录 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
四、指数分布一阶中心绝对矩的估计（论文参考文献）
- [1]基于单通道SAR图像复值信息的舰船目标检测技术研究[D]. 冷祥光. 国防科技大学, 2019(01)
- [2]多元时变高阶矩建模及其投资组合研究[D]. 柯睿. 西南财经大学, 2017(01)
- [3]基于高频数据的GARCH模型的伪极大指数似然估计[J]. 黄金山,陈敏. 应用数学学报, 2014(06)
- [4]非高斯AVO三参数反演算法及其应用研究[D]. 刘洋. 西南交通大学, 2014(11)
- [5]随机变量的一种非广义高斯性测度研究[D]. 叶庆云. 西安电子科技大学, 2014(11)
- [6]基于高频数据的GARCH模型的参数估计[D]. 黄金山. 中国科学技术大学, 2013(10)
- [7]数字图像与语音被动取证技术研究[D]. 赵洪. 西南交通大学, 2013(10)
- [8]多元q-高斯分布在投资组合模型中的应用[D]. 刘君. 武汉理工大学, 2012(05)
- [9]高速铁路供电系统RAMS评估的研究[D]. 杨媛. 北京交通大学, 2011(09)
- [10]缺失数据下广义线性模型参数拟似然估计的相合性和渐近正态性[D]. 赵晶晶. 燕山大学, 2010(03)