导读:本文包含了高斯概率分布论文开题报告文献综述及选题提纲参考文献，主要关键词:正态分布,概率密度函数,数学细节,高斯
高斯概率分布论文文献综述
杨军,周菊玲[1]（2019）在《还原数学细节:高斯推导正态分布概率密度函数的过程》一文中研究指出首先介绍预备知识最大似然估计法和两个引理,然后扼要梳理正态分布概率密度函数发现的历史脉络,并重点分析高斯(C.F.Gauss,1777-1855)发现正态分布概率密度函数的思想方法,据此还原高斯推导正态分布概率密度函数解析式的数学细节和过程.(本文来源于《统计与信息论坛》期刊2019年06期）
井沛良,段宇,韩超,郭荣化,宁小磊[2]（2019）在《基于高斯混合模型和期望最大化算法的非高斯分布圆概率误差估计方法研究》一文中研究指出传统圆概率误差(CEP)估计方法无法处理兵器攻击点/观测点数据服从非高斯分布的情况。为了解决这一问题,提出了一种基于高斯混合模型(GMM)和期望最大化(EM)算法的CEP估计新方法。该方法利用GMM对兵器攻击点/观测点非高斯分布概率密度函数(PDF)进行建模,通过EM算法迭代估计GMM参数得到兵器攻击点/观测点PDF,并依据所得到的兵器攻击点/观测点PDF,使用二分法得到兵器攻击点/观测点的CEP指标值。采用大量非高斯分布场景生成兵器攻击点/观测点数据,应用所提方法和传统方法进行CEP估计实验。实验结果表明:所提方法估计的CEP均方误差约为传统方法的1/10,由此说明所提方法性能显着好于传统方法,可以有效解决兵器攻击点/观测点数据服从非高斯分布时的CEP估计问题。(本文来源于《兵工学报》期刊2019年02期）
苏娜,方景龙[3]（2018）在《基于多维高斯分布概率模型的软件缺陷预测》一文中研究指出针对软件缺陷预测中普遍存在的样本特征冗余、缺陷数据集不平衡等问题,采用一种多维高斯分布概率模型来预测软件缺陷。通过均值向量以及协方差矩阵进行训练,根据待预测样本出现在各样本类别的概率判断得到分类结果。此外,还研究了特征个数与分类准确率之间的关系,验证了特征选择的必要性。在不同数据集上的对比实验结果表明,提出的模型具有较好的性能,弥补了普通分类算法忽视少数类样本等不足,保证预测效率的同时提高了模型整体的分类效果。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2018年05期）
杨楠,崔家展,周峥,张善咏,侯杰[4]（2016）在《基于混合高斯分布的风功率横向时间序列概率密度建模研究》一文中研究指出鉴于风功率概率分布模型对风电场规划及运行具有重要意义,提出了一种基于混合高斯分布的风功率横向时间序列概率密度建模方法,即利用风电运行数据样本,首先构建基于混合高斯分布的风功率横向时间序列的先验模型,然后利用最小二乘法对先验模型的参数进行估计,再利用相关建模精度指标确定混合高斯模型的最优维度。基于实际算例的仿真结果表明,所构建的风功率概率密度模型具有较高的精度和泛化性能。(本文来源于《水电能源科学》期刊2016年11期）
崔杨,杨海威,李鸿博[5]（2016）在《基于高斯混合模型的风电场群功率波动概率密度分布函数研究》一文中研究指出如何描述风电功率波动的概率密度分布特性一直是风电联网运行分析领域的难点。在利用概率密度函数法分析风电功率波动特性的基础上,首先验证了采用多种单一分布函数模型拟合风电波动概率密度分布特性的效果较差,并根据列维定理揭示了风电场群出力波动概率密度分布特性呈现多种分布的规律;在此基础上提出采用高斯混合模型替代单一分布函数模型来拟合风电波动概率密度分布特性的方法。仿真结果表明,高斯混合模型具有良好的拟合效果,适用于描述大型风电场群出力波动的概率密度分布特性。(本文来源于《电网技术》期刊2016年04期）
吴刚,韩崇昭,闫小喜,连峰[6]（2014）在《基于熵分布的概率假设密度滤波器高斯混合实现》一文中研究指出针对概率假设密度滤波器,提出一种基于熵分布的高斯混合实现算法.在该算法中,作为混合参数先验分布的熵分布,主要用在极大后验迭代过程中删减无关混合分量,该删减操作可通过混合权重调整来实现.此外,该算法还能够解决多个具有类似参数的混合分量共同描述一个强度峰值的问题.仿真结果表明,所提出算法优于典型的阈值删减算法.(本文来源于《控制与决策》期刊2014年01期）
张红民,成于思,梁琛颖[7]（2011）在《基于广义高斯分布的最大后验概率图像复原算法》一文中研究指出针对传统图像复原算法在减轻图像噪声和去模糊方面存在较大振铃现象的问题,提出了一种基于广义高斯分布模型的最大后验概率图像复原算法。该算法将最大后验概率模型和广义高斯分布相结合,利用了广义高斯分布可以模仿多数噪声模型的优势。与传统的最大似然算法相比较,所提出的算法不仅能有效地改善噪声,而且还能减轻由复原过程造成的纹波现象。(本文来源于《重庆理工大学学报(自然科学)》期刊2011年05期）
张峰,黄芳,史振华[8]（2010）在《高斯概率分布在心脏CT图像分割中的应用》一文中研究指出在对心脏CT图像左心室区域的分割过程中,常常需要从图像背景中分离出心脏中各个腔体的图像,以便获取腔体轮廓特征。本文中利用图像灰度直方图与高斯概率分布的相似性,应用高斯分布模拟灰度图像直方图方法,求解出最优阈值完整的分离出心脏的各个腔体区域。该方法充分考虑了图像背景区域与目标区域灰度交错以及心脏CT图像中造影剂分布不均匀的情况,分割结果中,目标区域轮廓清晰,准确。(本文来源于《微计算机信息》期刊2010年32期）
郭武,戴礼荣,王仁华[9]（2008）在《采用高斯概率分布和支持向量机的说话人确认》一文中研究指出在采用支持向量机的说话人确认中,将语音特征参数相对于通用背景模型各高斯分量的概率分布作为支持向量机输入,在线性核函数的情况下,系统能取得与广义线性判别式序列核函数(GLDS)几乎相同的识别率,同时该高斯概率分布算法能够与混合高斯背景模型、广义线性判别式序列核函数的得分进行融合,进一步提高识别性能.在2006年 NIST SRE 1conv4w-1conv4w 数据库上,融合后的系统相对于基线的混合高斯模型最多有25%的等错误率下降.(本文来源于《模式识别与人工智能》期刊2008年06期）
程远国,李煜,徐辉[10]（2007）在《基于多元高斯概率分布的无线局域网定位方法研究》一文中研究指出针对无线局域网环境及室内目标定位需求,研究了基于接收信号强度指示的定位技术,提出了一种基于多元高斯概率分布的信号强度模式匹配方法,讨论了定位系统框架。试验结果表明,该方法具有较好的室内定位效果。(本文来源于《海军工程大学学报》期刊2007年05期）
高斯概率分布论文开题报告
（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：
传统圆概率误差(CEP)估计方法无法处理兵器攻击点/观测点数据服从非高斯分布的情况。为了解决这一问题,提出了一种基于高斯混合模型(GMM)和期望最大化(EM)算法的CEP估计新方法。该方法利用GMM对兵器攻击点/观测点非高斯分布概率密度函数(PDF)进行建模,通过EM算法迭代估计GMM参数得到兵器攻击点/观测点PDF,并依据所得到的兵器攻击点/观测点PDF,使用二分法得到兵器攻击点/观测点的CEP指标值。采用大量非高斯分布场景生成兵器攻击点/观测点数据,应用所提方法和传统方法进行CEP估计实验。实验结果表明:所提方法估计的CEP均方误差约为传统方法的1/10,由此说明所提方法性能显着好于传统方法,可以有效解决兵器攻击点/观测点数据服从非高斯分布时的CEP估计问题。
（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。
高斯概率分布论文参考文献
[1].杨军,周菊玲.还原数学细节:高斯推导正态分布概率密度函数的过程[J].统计与信息论坛.2019
[2].井沛良,段宇,韩超,郭荣化,宁小磊.基于高斯混合模型和期望最大化算法的非高斯分布圆概率误差估计方法研究[J].兵工学报.2019
[3].苏娜,方景龙.基于多维高斯分布概率模型的软件缺陷预测[J].杭州电子科技大学学报(自然科学版).2018
[4].杨楠,崔家展,周峥,张善咏,侯杰.基于混合高斯分布的风功率横向时间序列概率密度建模研究[J].水电能源科学.2016
[5].崔杨,杨海威,李鸿博.基于高斯混合模型的风电场群功率波动概率密度分布函数研究[J].电网技术.2016
[6].吴刚,韩崇昭,闫小喜,连峰.基于熵分布的概率假设密度滤波器高斯混合实现[J].控制与决策.2014
[7].张红民,成于思,梁琛颖.基于广义高斯分布的最大后验概率图像复原算法[J].重庆理工大学学报(自然科学).2011
[8].张峰,黄芳,史振华.高斯概率分布在心脏CT图像分割中的应用[J].微计算机信息.2010
[9].郭武,戴礼荣,王仁华.采用高斯概率分布和支持向量机的说话人确认[J].模式识别与人工智能.2008
[10].程远国,李煜,徐辉.基于多元高斯概率分布的无线局域网定位方法研究[J].海军工程大学学报.2007