高斯混合模型下两阶段自适应分组检测的参数估计

发布时间：2022-08-09 21:47

　　分组检测在各个行业的应用非常广泛,具有降低成本、提高效率和准确度等优点。最开始分组检测是以服从0-1二项分布的样本作为研究对象,并且分组过程里组大小通常是固定的常数值,直到后来有学者提出应该优化组大小的选择,以提高分组检测实验结果的准确度,便出现了自适应分组检测。自适应分组检测的参数估计是通过分阶段来分组检测,从一阶段到下一阶段中组大小在不断更新。在更迭组大小上基于了两点,第一就是利用前面阶段得到的数据来对阳性个体患病率p进行极大似然估计。第二就是被检测的组数将在下一阶段发生变化。因此第一阶段组数为₁N组,每组有₁K个个体,第二阶段组数为N₂组,每组K₂个个体,下一阶段组数为N₃组,每组有K₃个个体以此往下。在上一阶段检测之后来确定下一阶段的组大小K。在二项分布下,自适应最优组大小由组数和MSE（P?）决定,但是在分组检测里,样本服从连续型分布时很少有人对此进行研究。本文主要研究基于连续型样本的两阶段自适应分组检测方法。首先先介绍了受限条件下的高斯混合模型... 

【文章页数】：37 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 文献综述
    1.3 本文的主要内容和创新点
        1.3.1 本文主要内容
        1.3.2 本文主要创新点
第二章 高斯混合模型下的自适应两阶段分组检测过程
    2.1 受限高斯混合模型下分组检测的基本定义
    2.2 两阶段分组检测的计算流程
第三章 高斯混合模型下参数估计的计算
    3.1 最优组大小的计算
    3.2 受限高斯混合模型与EM算法
    3.3 高斯混合模型下两阶段自适应分组检测的参数估计
第四章 数值模拟
    4.1 取值分析
    4.2 图形分析
第五章 总结与展望
    5.1 论文总结
    5.2 论文展望
参考文献
附录
致谢



本文编号：3673340