簡介：河北大學(xué)碩士學(xué)位論文基于隨機集樣本的統(tǒng)計學(xué)習(xí)理論基礎(chǔ)姓名孫璐申請學(xué)位級別碩士專業(yè)應(yīng)用數(shù)學(xué)指導(dǎo)教師哈明虎田大增20090601ABSTRACTABSTRACTSTATISTICALLEARNINGTHEORYSLTBASEDONRANDOMSAMPLESISCONSIDEREDATPRESENTASONEOFTHEFUNDAMENTALTHEORIESABOUTSMALLSAMPLESSTATISTICALLEARNINGITHASBECOMEANOVELANDIMPORTANTFIELDOFMACHINELEARNINGALONGWITHOTHERCONCEPTSANDARCHITECTURESSUCHASNEURALNETWORKSHOWEVERTHETHEORYHARDLYHANDLESSTATISTICALLEARNINGPROBLEMSFORSAMPLESTHATINVOLVERANDOMSETSAMPLESINTHISSTUDYWEDISCUSSSLTBASEDONRANDOMSETSAMPLESFIRSTLYWEDISCUSSTHEDEFINITIONSOFRANDOMSETSANDTHEDISTRIBUTIONFUNCTIONOFRANDOMSETSWHILESOMEPROPERTIESAREGIVEN，ANDINTRODUCEACERTAINLAWOFLARGENUMBERSFORMDIMENSIONRANDOMSAMPLESWHILESOMEIMPORTANTINEQUALITIESAREGIVENSECONDLYWEPRESENTANOTIONOFTHESTRICTCONSISTENCYOFTHEPRINCIPLEOFEMPIRICALRISKMINIMIZATIONERMONRANDOMSETSAMPLES，ANDAFTERWARDSFORMULATEANDPROVETHEKEYTHEOREMFINALLYWEDISCUSSTHEBOUNDSONTHERATEOFUNIFORMCONVERGENCEOFSTATISTICALLEAMINGTHEORYBASEDONRANDOMSETSAMPLESANDVCDIMENSIONTHEORYWHICHBECOMECOMERSTONESOFTHETHEORETICALFUNDAMENTALSOFTHESLTFORRANDOMSETSAMPLESKEYWORDSRANDOMSETSKEYTHEOREMBOUNDSONTHERATEOFUNIFORMCONVERGENCEVCDIMENSION

簡介：EQUALITYEXPECTEDNOISEONQUASIPROBABILITYSPACESCANDIDATESUPERVISORACADEMICDEGREEAPPLIEDFORSPECIALTYUNIVERSITYDATAOFORALEXAMINATIONDUERLINGPROFHAMINGHUPROFTIANDAZENGMASTEROFSCIENCEAPPLIEDMATHEMATICSHEBEIUNIVERSITYJUNE，2007G河北大學(xué)學(xué)位論文獨創(chuàng)性聲明本人鄭重聲明所呈交的學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他已經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得河北大學(xué)或其他教育機構(gòu)的學(xué)位或證書使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確說明并表示了致謝。作者簽名扭三鹼日期竺旦2年』二月土日、學(xué)位論文使用授權(quán)聲明本人完全了解河北大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即學(xué)校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。本學(xué)位論文屬于1、保密口，在年月日解密后適用本授權(quán)聲明。2、不保密碭。請在以上相應(yīng)方格內(nèi)打“√“作者簽名盤三殮導(dǎo)師簽名遼磁虛日期皿年上月衛(wèi)日日期釁上月OL日

簡介：地質(zhì)統(tǒng)計學(xué)反演及其在儲層預(yù)測中的應(yīng)用學(xué)位論文答辯日期土口步口6≥指導(dǎo)教師簽字磷廷會墨答辯委員會成員簽字獨創(chuàng)聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含未獲得洼加塑直墓他霞蔓掛別聲明的，本欄可空或其他教育機構(gòu)的學(xué)位或證書使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名J以L司華簽字日期20步年占月2日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)學(xué)?？梢詫W(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。同時授權(quán)中國科學(xué)技術(shù)信息研究所將本學(xué)位論文收錄到中國學(xué)位論文全文數(shù)據(jù)庫，并通過網(wǎng)絡(luò)向社會公眾提供信息服務(wù)。保密的學(xué)位論文在解密后適用本授權(quán)書學(xué)位論文作者簽名三欲聞牟簽字日期扣心年6月2目導(dǎo)師簽字粉星簽字日期力步年多月2日

簡介：青島科技大學(xué)碩士學(xué)位論文統(tǒng)計學(xué)中的一些矩陣?yán)碚摷捌湎嚓P(guān)應(yīng)用姓名劉棟富申請學(xué)位級別碩士專業(yè)應(yīng)用數(shù)學(xué)指導(dǎo)教師田保光20090610青島科技大學(xué)研究生學(xué)位論文SOMEMATRIXTHEORYINSTATISTICSANDITSAPPLICATIONABSTRACTMATRIXTHEORYHASCOMEINTOWIDEUSEINMANYBRANCHESOFTHEMODEMSTATISTICSANDHASBECOMEANINDISPENSABLETOOLINTHESTATISTICS，MOREOVERTHEIRDEVELOPMENTSHAVEBEENCAUSEDBYMANYCONCEMINGPROBLEMSPROPOSEDINTHESTATISTICSINTHISPAPERSOMEFURTHERPROBLEMSRELATEDSTATISTICSAREINTRODUCEDINTHEMATRIXTHEORYBESIDES，SOMEAPPLICATIONSOFTHEABOVERESULTSAREALSODISCUSSEDINTHESTATISTICS，ESPECIALLYINTHEPARAMETERESTIMATEOFTHELINEARMODELANDINTHEMULTIVARIATE皿ERESULTSAREEXTENSIONFORMSONTHEBASISOFTHEORIGINALTHEORY，NLEMAINRESULTSOFTHISPAPERARELISTEDINTHEFOLLOWING1INCHAPTERTHREE，WEDISCUSSTHEPARTIALORDERINGSOFMATRIXANDITSAPPLICATIONINTHECOMPARISONOFTHEMODELHMFLYWESIMPLYINTRODUCETHEBASICKNOWLEDGEOFTHECOMPARISONOFESTIMATEANDMODELTHEN，WEUSEMATRIXPARTIALORDERTHEORYTOCOMPARETHEGENERALIZEDRIDGEESTIMATIONWITHTHELEASTSQUAREESTIMATIONINSECTIONMOFTHISCHAPTERINSOMELITERATURE，THEPROBLEMFORTHESUPERIORITYOFRIDGEESTIMATIONOVERLEASTSQUAREESTIMATIONISSTUDIEDINTHESENSEOFMEANSQUAREERROR；INTHISSECTION，WEUSETLLE￡執(zhí)，NERPARTIALORDERINGTODISCUSSTHESUPERIORITYOFTHEGENERALIZEDRIDGEESTIMATIONOVERLEASTSQUAREESTIMATIONANDTHEKNOWNCONCLUSIONSHAVEBEENEXTENDED2INCHAPTERFOURWEMAINLYINTRODUCETHETWOTYPESOFMATRIXINEQUALITIESANDTHEIRAPPLICATIONSINSTATISTICSHMFLY，INSECTIONIOFTHISCHAPTER，WEINTRODUCETHEEXTENSIONSOFTHEMATRIXKANTOROVICHTYPEINEQUALITIESANDITSAPPLICATIONINSTATISTICSKANTOROVICHINEQUALITIESPLAYALLIMPORTANTROLEINMATHEMATICALSTATISTICSMARSHALLANDOLKINGENERALIZEDITTOMATRIXVERSIONSINTHISSECTION，WEGIVENEWEXTENSIONSOFTHEMATRIXKANTOROVICHTYPEINEQUALITIESITSAPPLYINGSCOPEISEXPANDEDSECONDLYINSECTIONIIOFTHISCHAPTERWEINTRODUCETHEINEQUALITIESOFHERMITIANMATRIXTRACEWITHCONSTRAINEDCONDITIONANDITSAPPLICATIONINSTATISTICSMATRIXEIGENVALUEISALLIMPORTANTCONCEPTIONINMATRIXTHEORYANDITHASMANYAPPLICATIONSINOTHERSUBJECTSⅢ

簡介：。擎徘卓革拱珥素攔妤非娶申鬲簞蝗彝攔阜刪酵萃碘珥毒妊妤非‘鬈畢圈辮萃詈專露聊絲簞一蘚暈勒甲。萃礤珥毒明千I生、千草L肇塒明士群辮鏨出耍畢碑群卓千；曼茸觀攔髟非鬃裂徘顯瞢瑕毋IL000ELOEFL罨孺萃叼，審嘉妊單磬嶗卿弭孵粵娶UO’NPO。M平REU‘IEIII◎OLTUTELNOQIIMIⅡ分ZO乙厶80乙6￡I嬰早豎溜殺吼擗髟環(huán)牟朗赤赤砒蟈／當(dāng)／翻口千照華蒜爵刨口螄驥辮掣口珥赤不每千、衄佃千衄甾殺口千科睹槧革硯目I乙日G由0IOZ酶目挺囂O￡S0￡00乙IZ魯赤虱勘矽騎延抱器覃斡囂張驥與承斯喜甄戥冪恬巧硬朗殺騎士髯目凰茸拱冒哥暈勒萃拱珥去雨革投毒妊掣目≤皆羅由OLOG百拱右囂Y碑群磊縣勤。型囂勘訃閡咄鞠甭延船甲‘劬絲摹一岳兩洚砰群章。犁群娶丁皋桑暈刨Y卓。夠目Y卓甲醬G司業(yè)搿桀刨業(yè)圖晦‘鹺一齠掣明茸硯卓鷺?biāo)号c到壬審茸現(xiàn)珥殺朝蕈群。挺囂茸硯輕覲目冀‘背勘明搿萼勘限刨酶區(qū)殺秦拄單翠瞢茸硯砑秦朝Y卓。嶷凄Y卓。哪II‘XOPUYL00819I。OZ‘￡11GO乙／／DNQ輛到勘皓囤磐豆蕈鬻研士審茸硯。茸硯妊影刨髟撕哇萆瞥G毋期‘暫酯希鬻咄革籬慚刨業(yè)掣謝睜軍齡‘茸硯珥丟攔抒非。勝砰明茸硯擎髯勒漸珊茸翠禺靜Y卓翱刨。髟邵冒身尊冪韃賓694群囂輕覡‘封辮驃茸觀再嘉犁群Y勁蜒列士印洋疆茸觀珥嘉朝國鮮暈群萃鬻穗硎印壬審軍槧吐酶半泰國出瞠鱈延地冒署輯性國審劂辮嘉砰群巖勤茸觀珥殺哥。茸現(xiàn)珂赤明妊影蕈警再責(zé)犁群僻旦醵掣嘉妊單‘犁群阜僻望轔鬻戳￡O暫瓠冒獸醺丐島褲I‘甄鼴茸號茸硯謠相孵茸、拳弭謄目茸識靜鬻丁豳圉珥霉‘激幽雨螄￡I|輯艷誓鯔綺島勘缽囤翠櫞旗能勤茸觀珂赤鯛攔孑琳相巫珥秦‘朝目抱性咄殺磷ZO犁斯驃茸弓茸觀再殺千進(jìn)斟嘉攔單Y嘴‘茸拱百嘉甭肇按型靜硝圭陴酉硯鷺疆由黲、【目繕茸當(dāng)佝且辮奈‘強F士申謠章0智由騶駢群母覃硯珥殺萃斟犁群群酵廁巖勘罪再殺ID茸‘砰出現(xiàn)茸硯珥嘉朝掣圉娶犁群餮砰勘鬟翠阜釁殺妊掣。犁群蕊舄朝田唑咄群勁茸硯珥殺再距擅阜殺妊掣辮上弓畢Y卓。猻士胃回胖理牢騮攜茸硯珥素明Y卓革瞥嘉妊掣叫彰籪巖臺；灘珥殺千遞、千科明醉鏨‘餮≮醢是目唑瞠群勁茸觀舀嘉甭跖地士嘉攔掣蜜斟斗砰群目碼茸識碼殺殺妊阜南開大學(xué)學(xué)位論文使用授權(quán)書根據(jù)南開大學(xué)關(guān)于研究生學(xué)位論文收藏和利用管理辦法，我校的博士、碩士學(xué)位獲得者均須向南開大學(xué)提交本人的學(xué)位論文紙質(zhì)本及相應(yīng)電子版。本人完全了解南開大學(xué)有關(guān)研究生學(xué)位論文收藏和利用的管理規(guī)定。南開大學(xué)擁有在著作權(quán)法規(guī)定范圍內(nèi)的學(xué)位論文使用權(quán)，即1學(xué)位獲得者必須按規(guī)定提交學(xué)位論文包括紙質(zhì)印刷本及電子版，學(xué)?？梢圆捎糜坝　⒖s印或其他復(fù)制手段保存研究生學(xué)位論文，并編入南開大學(xué)博碩士學(xué)位論文全文數(shù)據(jù)庫；2為教學(xué)和科研目的，學(xué)?？梢詫⒐_的學(xué)位論文作為資料在圖書館等場所提供校內(nèi)師生閱讀，在校園網(wǎng)上提供論文目錄檢索、文摘以及論文全文瀏覽、下載等免費信息服務(wù)；3根據(jù)教育部有關(guān)規(guī)定，南開大學(xué)向教育部指定單位提交公開的學(xué)位論文；4學(xué)位論文作者授權(quán)學(xué)校向中國科技信息研究所和中國學(xué)術(shù)期刊光盤電子出版社提交規(guī)定范圍的學(xué)位論文及其電子版并收入相應(yīng)學(xué)位論文數(shù)據(jù)庫，通過其相關(guān)網(wǎng)站對外進(jìn)行信息服務(wù)。同時本人保留在其他媒體發(fā)表論文的權(quán)利。非公開學(xué)位論文，保密期限內(nèi)不向外提交和提供服務(wù)，解密后提交和服務(wù)同公開論文。論文電子版提交至校圖書館網(wǎng)站HTTP／／202113201618001／INDEXHTM。本人承諾本人的學(xué)位論文是在南開大學(xué)學(xué)習(xí)期間創(chuàng)作完成的作品，并已通過論文答辯；提交的學(xué)位論文電子版與紙質(zhì)本論文的內(nèi)容一致，如因不同造成不良后果由本人自負(fù)。本人同意遵守上述規(guī)定。本授權(quán)書簽署一式兩份，由研究生院和圖書館留存。作者暨授權(quán)人簽字縫恒2010年5月28日南開大學(xué)研究生學(xué)位論文作者信息論文題目基于統(tǒng)計學(xué)的近紅外光譜變量篩選與穩(wěn)健建模方法研究姓名徐恒學(xué)號2120070530答辯日期2010年5月21日論文類別博士口學(xué)歷碩士口碩士專業(yè)學(xué)位口高校教師口同等學(xué)力碩士口院／系／所化學(xué)院專業(yè)分析化學(xué)聯(lián)系電話13920872024EMAILBEULAH240MAILNANKAIEDUCA通信地址郵編天津南開大學(xué)中心實驗室B307300071備注是否批準(zhǔn)為非公開論文否注本授權(quán)書適用我校授予的所有博士、碩士的學(xué)位論文。由作者填寫一式兩份簽字后交校圖書館，非公開學(xué)位論文須附南開大學(xué)研究生申請非公開學(xué)位論文審批表。

簡介：河北師范大學(xué)碩士學(xué)位論文正態(tài)分布進(jìn)入統(tǒng)計學(xué)的歷史演化姓名吳江霞申請學(xué)位級別碩士專業(yè)基礎(chǔ)數(shù)學(xué)指導(dǎo)教師鄧明立20080320ABSTRACTDUETOITSUILIVERSALI劬NO肌ALDISTRIBUTIONISMEMOSTIMPORTANTCONTINUOUSDISTRIBUTIONINPROBABILITYTHEO夠ATMESAMETHNEITISTHECOMERSTONEOFMESTATISTICS．SOITSPROPOSALAND印PLICATIONHASSPECIALDUALTHEORETICALBACKGROULLDSAILDGREATVALUE．FROMALLISTORICALPERSPECTIVE，THEREARETLLREESTAGES丘。OMITSCO面NGOUTT0BEINGAPROBABILITRMODELOF趾ALYZINGSTATISTICALDA饑IIL1730S，DEMOIVREINJTI“1YFOUILDT11ENONILALCLLRVEWRH∞HECALCULATED鋤APPROXILILATIONOFAPROBABILI劬BUTFORCENAINREASONSITDIDN’TBECOMEAPROBABILITYDISTRIBUTIONDES嘶BINGR柚DOMPHENOMENA；INL809，Ⅵ恤LESTUDYIILGTHEMEO巧OFEMR，GAUSSFIRSNYPROPOSEDITMFIO肌OFMEDISTRIBUTIONANDCAUSEDPEOPLE’SATT肌TIONA11DEXTENSIVERESEARCH，BUTPEOPLEMELLMOUGHTTHATTHEOBSEⅣEDDATAISCONLPATIBLEWITHMESTATISTICALDA_‰SOITSAPPLIEDSCOPEWASL沛ITEDTOTHEFIELDOFEN．OR，SUCHASAS仃0NONLY，GEODESY，ETC；ENT謝NGMEMIDDLEOFL9THC饑TU阱T11EWORKOFQUETELETI11THESOCIALSPHEREANDGALTON’SRESEARCHINTHEFIELDOFBIOLOGYMADETHEDIS缸伯UTIONEXPALLDTOMAILYNATURALAULDSOCIALSCIENCEFIDDSR印IDLY，ARLDEVEI帥．ALLYITENTEREDTHESTATISTICS齜LDBEC鋤EMEBALSISAILDTHEBLASTINGMSESOFASERIESOFCORETHEORIES．ACCORDIILGT0TIIILESEQUELLCEARLDBASEDONMECHARACTERS，“STHESISCONSISTSOFF．OURPANSMEPROPOSALOFTHENO肌ALCURVEINPROBABILITYT11EO瞅舶MMEMID17MCENTURYTOMEMID18TLLCELLTU呦；MERCNASCENCEOFMENO衄ALDISTRIBUTION舶MTHET11EO拶OFE仃OR舶MTHEMID．18TLLCENTU巧TOMEMID一19MC既NI巧；MEEI】．仃ANCEINTOTLLERECENTLYMODEMSTATISTICS舶MTHEMID．19THC即TLLRYT0THELATE；AILDTHEIILLPACTONTHEMOD鋤STATISTICS舶MTHEENDOFME19MCELLTL叫TOME1930S．ACCORDINGTOTHEDEVELOPMENTBACKGROUNDSOFDI仃ERENTSTAGES，恤STHESIS百VESANELABORATEANALYSIS砒1DASⅧ吼ARYONMEEVOLUTIONPROCESSESANDTHEIILLPORTANTWORKOFTHER印RESENTATIVEC_HARACTERS．SYNCHRONOUSLY，ITC1砌FIESMEINTERACTIONBE帆ECIL廿LEDISTRIBUTIONANDITSRELATEDTHEORIESI11DIFFERENTSTAGESANDUNDEDINESITSSINUOSITY舶‘MGENERATIONTOMAN鵬，T11EDELICACYOFMEPROGRESSPUSHEDBYTECHIQUEINNOVATIONANDCONCEPTCHAILGEAILDMEGENERALREGULARF．ROMPEILE仃ATIONTOBLEILD，EXPECTINGTOHAVESOMEHELPONTLLEMODEM1LISTORICALRESEARCHANDEDUCATION．KEYWORDSPROBABILITY111EO巧STATISTICS111EO巧OFE仃ORNO仰ALDIS劬UTIONⅣ

簡介：統(tǒng)計學(xué)習(xí)方法在理論上和實踐上中有著非常廣泛的應(yīng)用。在本文中，我們提出在圖像識別領(lǐng)域中提出兩類新的算法。第一類算法基于張量和統(tǒng)計學(xué)習(xí)理論，我們根據(jù)控制測試誤差上界的思想提出了自適應(yīng)支持張量機。第二類算法分別基于擬樸素貝葉斯框架和支持向量機框架。它們是為了針對高維稀疏的圖像數(shù)據(jù)而設(shè)計的。具體來說，我們首先定義各個框架下的”敏感點”的概念，并基于此分別提出擬樸素貝葉斯假設(shè)檢驗算法和支持向量機假設(shè)檢驗算法。本文對這些方法給出了相應(yīng)的理論分析，模擬數(shù)據(jù)分析和實際圖像數(shù)據(jù)分析。實驗結(jié)果表明，本文的方法與其他方法相比是更為有效和精確的。

簡介：在本文中我們主要研究了統(tǒng)計學(xué)習(xí)中的回歸和譜聚類算法。主要貢獻(xiàn)可分為以下三個部分。首先研究回歸問題。在樣本無界的背景下我們考慮了最小二乘正則化學(xué)習(xí)算法。這部分的工作主要是利用積分算子方法得到了很好的學(xué)習(xí)算法收斂階。主要結(jié)果依賴兩個重要假設(shè)一個是關(guān)于無界輸出樣本的矩假設(shè)另一個是與邊緣分布相關(guān)的函數(shù)空間假設(shè)。在適當(dāng)?shù)臈l件下所得結(jié)果是與樣本有界情況下是一致的。其次我們研究了譜聚類算法。類似的理論研究近幾年已經(jīng)有很多。我們的創(chuàng)新之處在于我們在一個依賴樣本的有限維假設(shè)空間內(nèi)考慮這樣很自然的能夠引入統(tǒng)計上著名的LASSO思想即施加正則化項L1罰。由核函數(shù)張成的樣本依賴假設(shè)空間能夠為學(xué)習(xí)過程提供很好的靈活性?？墒峭瑫r也帶來了技術(shù)處理和理論分析上的困難。主要困難在于假設(shè)空間不僅依賴樣本而且還有兩個約束條件以前所有的處理技巧都不能直接拿來應(yīng)用。本文從逼近論角度研究通過合理的假設(shè)克服了上述困難。這里主要利用的是局部多項式再生公式和構(gòu)造化的處理手段。譜聚類算法的一致性主要取決于以下幾個條件輸入空間的結(jié)構(gòu)未知的分布核函數(shù)以及目標(biāo)函數(shù)的光滑性。最后我們以逼近論的角度去研究學(xué)習(xí)理論中的回歸問題。根據(jù)一些逼近論中的正定算子設(shè)計了一系列非優(yōu)化的學(xué)習(xí)器。這樣的學(xué)習(xí)器是由一般的核函數(shù)經(jīng)過放縮變換然后作用于樣本點產(chǎn)生的。他們與經(jīng)典的逼近算子的區(qū)別主要在于傳統(tǒng)的逼近算子依賴于確定的節(jié)點或節(jié)點滿足很好的形狀而學(xué)習(xí)器的樣本是隨機的。在回歸的背景下我們研究了這樣學(xué)習(xí)器的有效性并且給出了他們的泛化能力。泛化能力主要依賴于回歸函數(shù)的光滑性隨機樣本的方差以及核函數(shù)中心與規(guī)則節(jié)點的距離。誤差分析由樣本誤差和逼近誤差兩部分組成。我們詳盡的闡述了兩個典型的例子一個是核函數(shù)由連續(xù)型伯恩斯坦基構(gòu)成的另一個是關(guān)于杰克森算子的。獲得了相應(yīng)的具體的學(xué)習(xí)階。

簡介：東南大學(xué)碩士學(xué)位論文金融市場技術(shù)分析的統(tǒng)計學(xué)基礎(chǔ)姓名劉國祥申請學(xué)位級別碩士專業(yè)概率統(tǒng)計指導(dǎo)教師江其保200261ABSTRACTINTHISTHESIS，WEDEVELOPASTATISTICALTHEORYOFTECHNICALANALYSISOFFINANCIALMARKETTHETRADITIONALTECHNICALANALYSISISACOLLECTIONOFRULESDEDUCTEDFROMINTUITIONANDEXPERIENCEALTHOU曲ITISWIDELYUSEDINSECURITYANALYSISSECTORBUTITISNEVERACCEPTEDASABRANCHOFFINANCIALTHEORYITSFEASIBILITYISATOPICOFDISPUTEI11THELITERATURESTARTEDFROMSOMEECONOMICPRINCIPLE，WEALGUETHATTHETRENDOFTHETIMESERIESOFSECURITYPRICESSHOULDBEARANDOMPROCESSWHOSESAMPLEPATHSCALLEDASTRENDPATHSTOBEPIECEWISELINEARINTHISTHESISTHENWEBORROWTHEIDEAOFPRICEPATTERNSFROMTHETRADITIONALTECHNICALANALYSISINOURWORDSPRICEPAAEMSAMJUSTDIFFERENTSEGMENTSOFTHETRENDSPATHSTHEFINANCIALPREDICTIONCARLBEREFORMULATEASTHEFOLLOWINGREGRESSIONPROBLEMIFA。BAREPANEMS，XISSOMEINTERESTINGQUANTITYHOWTOCOMPUTEPAIBANDEXIBTHUSTECHNICALANALYSISISSUCCESSFULLYTRAILSFORMEDASAPROBLEMOFSTATISTICALINFERENCEBESIDESTHEABOVEGENERALFRAMEWORKTHISTHESISCONTAINSALSOADETAILEDANALYSISOFTHEHEADSHOULDERNSLPANERNINTHISPARTWESAMPLE40INSTANCESOFHSFROMTHETRANSACTIONDATAINSHANGHALSECURITYEXCHANGETHERESULTSOFOURANALYSISAREASFOLLOWING1INCASEOFTHE印PCARANCEOFAHS，THEAMOUNTTHATTHEPRICEWILLDECREASEISAPPROXIMATELY086TIMESTHE1ENGTHOFTHEHEADOUREXPECTEDVALUE086ISQUITEDIFFERENTFROMTHEASSERTEDVALUE1INTHETRADITIONALTECHNICALANALYSIS2HSISREPRESENTEDASAVECTOROFQUANTIFIES，INCLUDINGTHELENGTHSOFHEADANDTWOSHOULDERSWIDTHLETXBETHEAMOUNTTHATTHEPRICEWILLDECREASEWEESTIMATETHEREGRESSMODELEXIHS∥HS，∥ISTHEPARAMETERVECTORTHERESULTISQUITESATISFACTORYANDCANBEEXPLAINEDINTUITIVELYWEALSOCONSIDERTHECASETHATXISTHETIMELENGTHTHATTHEPRICEWILLGODOWN3WETRYTOESTIMATEPALHSHEREAISSOMEPATTERNASOURSAMPLESIZEISQUITSMALL，THERESULTISNOTVERYSATISFACTORYBUTWECALLSAYTHATWHENANHSAPPEARS，THEREISAPROBABILITYOF90％THATTHEPRICEWILLGODOWNKEYWORDSTIMESERIESANALYSIS，PATTEMRECOGNITION，REGRESSMODEL3

簡介：中國科學(xué)院自動化研究所博士學(xué)位論文統(tǒng)計學(xué)習(xí)理論及SVM算法研究姓名吳高巍申請學(xué)位級別博士專業(yè)模式識別與智能系統(tǒng)指導(dǎo)教師王玨200371英文摘要ABSTRACTSTATISTICALLEARNINGTHEORYSLTISTHEMILESTONEINSTATISTICALCONCLUSIONITNLAKESMACHINELEARNINGATRUESCIENCE，ANDPROVIDESASTRONGGROUNDWORKFORDESIGNINGLEARNINGALGORITHMTHEORETICALLY．INSLT，VAPNIKSETOUTFROMEMPIRICALRISKMINIMIZATIONTOCHANGETHESTATISTICALBASEINMACHINELEARNING．HEINTRODUCEDTHEIDEAOFPROBABLYAPPROXIMATELYCORRECTINTOMACHINELEARNING，ANDPROVEDTHELAWOFGREATNUMBERSINFUNCTIONALSPACENONASYMPTOTICTHEORYWASFURTHERPRESENTED，ANDTHEINDUCTIVEPRINCIPLEOFSINAILSAMPLESIZEWASEDUCED．THEMAINCONTENTOFTHISPAPERISTHEFOLLOWING．WESTARTEDWITHTHESTATISTICALBASISOFSLT．COMPARINGWITHCLASSICALIATTERNRECOGNITION，WEDISCOVEREDTHATTHESTATISTICALIDEASINMACHINELEARNINGWASDEVELOPING，IE．FROMTHELAWOFGREATNUMBERSINSTATISTICSTOTHATINFUNCTIONALSPACE，F(xiàn)ROMTHEASSUMPTIONWITHLARGESAMPLESIZETOTHETHEORYOFSMAIISAMPTPSIZEBASEDONTHETHEORYOFSMALLSAMPLESIZE，WEANALYZEDTHEAPPMACHOFSVM8NDBOOSTING，THENACRITERIONFORDESIGNINGSTATISTICALLEARNINGA如RITHMW．博PROPOSEDFROMTHECRITERION，WEDEVISEDAPOSTERIORPROBABILITYSVMFⅢA．UNCERTAINCLASSIFICATION．KERNELTECHNIQUESPLAYANIMPORTANTROLEINSVM．FROMTHEVIEWPOINTOFR88T“。。MAPPING，WEANALYZEDKERNELTECHNIQUES，ANDAPPLIEDKERNELTOC}L∽SUCCESSFULALGORITHMSATLAST，WEDISCUSSEDTHEALGORITHMAVAILABLETOLARGE．SCALEDATASETSK。YWORDSTATISTICALLEARNINGTHEORY，EMPIRIEALRISKMINIMIZATI。N．STRUC¨州ITJ8KMI“IMIZATI。N，STATISTICALLEARNINGALGORITHM，GENERALIZATI。N．FEATUREMAPLPING，KERNEL，MARGIN，SVM，BOOSTING

簡介：河北大學(xué)碩士學(xué)位論文不確定空間上的統(tǒng)計學(xué)習(xí)理論基礎(chǔ)姓名閆舒靜申請學(xué)位級別碩士專業(yè)基礎(chǔ)數(shù)學(xué)指導(dǎo)教師哈明虎田大增20100501ABSTRACTIIABSTRACTSTATISTICALLEARNINGTHEYSLTISCOMMONLYREGARDEDASASOUNDFRAMEWKWITHINWHICHWEHLELEARNINGPROBLEMSINPRESENCEOFSMALLSIZESAMPLESHOWEVERSINCETHETHEYISBASEDONPROBABILITYSPACEITCANHARDLYHLESTATISTICALLEARNINGPROBLEMSONUNCERTAINTYSPACEUNCERTAINTYSPACEISANIMPTANTNONPROBABILITYSPACEWHICHEXISTSINREALWLDITISBROADERTHANPROBABILITYSPACEINTHISDISSERTATIONTHEBASISOFSTATISTICALLEARNINGTHEYONUNCERTAINTYSPACEISDISCUSSEDFIRSTLYTHEKEYTHEEMONUNCERTAINTYSPACEISPROVEDTHENECESSARYSUFFICIENTCONDITIONSFONESIDEUNIFMCONVERGENCETWOSIDEUNIFMCONVERGENCEAREPROVEDSECONDLYTHECONCEPTSOFGROWTHFUNCTIONANNEALEDENTROPYVCDIMENSIONONUNCERTAINTYSPACEAREGIVENWHILETHEBOUNDSONTHERATEOFUNIFMCONVERGENCEOFLEARNINGPROCESSONUNCERTAINTYSPACEAREDISCUSSEDFINALLYTHESTRUCTURALRISKMINIMIZATIONPRINCIPLEASYMPTOTICBOUNDSONTHERATEOFCONVERGENCEONUNCERTAINTYSPACEAREPRESENTEDPROVENTHISMAYHELPESTABLISHESSENTIALTHEETICALFOUNDATIONSFTHESYSTEMATICCOMPREHENSIVEDEVELOPMENTOFTHESTATISTICALLEARNINGTHEYONUNCERTAINTYSPACEKEYWDSUNCERTAINMEASURETHEKEYTHEEMVCDIMENSIONBOUNDSOFTHERATEOFUNIFMCONVERGENCETHESTRUCTURALRISKMINIMIZATIONPRINCIPLE

簡介：隨著自由曲面類零件在汽車制造、航空航天、造船、模具加工等許多工業(yè)領(lǐng)域的廣泛應(yīng)用，對此類零件的加工精度也提出了越來越嚴(yán)格的要求。目前，如何實現(xiàn)自由曲面零件的高效率、高精度的檢測，已成為當(dāng)前產(chǎn)品表面質(zhì)量檢測的重要研究內(nèi)容。為了獲取自由曲面的加工質(zhì)量信息，本文重點研究了自由曲面輪廓度誤差的評定模型、算法以及誤差不確定度估計方法。首先，依據(jù)形狀幾何誤差經(jīng)典定義，綜合剛體運動學(xué)中的齊次坐標(biāo)變換理論和最小區(qū)域準(zhǔn)則建立了自由曲面輪廓度誤差評定的數(shù)學(xué)模型。該模型的優(yōu)點是利用最小二乘法對測點進(jìn)行預(yù)定位處理，并將預(yù)處理后的有效測點作為精定位時的初始測量數(shù)據(jù)，進(jìn)而為精定位算法的實施鎖定了高質(zhì)量的初始位姿。其次，研究了基于序列二次規(guī)劃算法SQP的自由曲面輪廓度誤差評定方法。針對僅已知CAD模型的曲面，提出了計算測點到自由曲面最小距離STLSTERLITHOGRAPHY模型方法；針對已知參數(shù)表達(dá)式的曲面，采用分割逼近法計算測點到該曲面的最小距離。然后，采用序列二次規(guī)劃算法，并結(jié)合距離函數(shù)的線性微分運動模型，實現(xiàn)測點與理論曲面的最佳配準(zhǔn)。此外還利用MATLAB對誤差評定算法進(jìn)行了仿真實驗，試驗的對比結(jié)果表明該輪廓度誤差評定算法的有效性。最后，分析了影響自由曲面輪廓度誤差的不確定度因素，并依據(jù)測量不確定度表示指南中的不確定度傳播律，建立了曲面輪廓度誤差不確定度估計模型。最后，通過搭建實驗平臺對上述模型和算法進(jìn)行了實驗驗證。

簡介：點擊查看更多基于統(tǒng)計學(xué)習(xí)方法的高斯LDA模型的文本聚類研究.pdf精彩內(nèi)容。

簡介：南開大學(xué)碩士學(xué)位論文利用貝葉斯統(tǒng)計建立生物信息學(xué)模型姓名蔣青松申請學(xué)位級別碩士專業(yè)概率論與數(shù)理統(tǒng)計指導(dǎo)教師沈世鎰200403011前言生物信息學(xué)BIOINFORMATICS是一門相當(dāng)年輕的學(xué)科，它是伴隨著八九十年代計算機技術(shù)的迅猛發(fā)展，同時得以獲得自身的發(fā)展的。無論從理論上來講還是從現(xiàn)實情況來看，生物信息學(xué)的實質(zhì)就是利用計算機科學(xué)和網(wǎng)絡(luò)技術(shù)來解決生物學(xué)問題。二十世紀(jì)尤其是末期，生物科學(xué)技術(shù)的迅猛發(fā)展，無論從數(shù)量上還是從質(zhì)量上，都極大地豐富了生物科學(xué)的數(shù)據(jù)資源，數(shù)據(jù)資源的急劇膨脹首先迫使我們不得不考慮尋求一種強有力的工具去組織他們，以利于對已知生物學(xué)知識的儲存和進(jìn)一步加工利用。大量多樣化的生物學(xué)數(shù)據(jù)資源中必然蘊含著大量重要的生物學(xué)規(guī)律，這些規(guī)律是我們解決許多生命問題的關(guān)鍵所在，然而繼續(xù)沿用傳統(tǒng)手段以人腦來分析如此龐雜的數(shù)據(jù)實在是太困難了1人們同樣需要尋求一種強有力的工具去協(xié)助人腦完成這些分析工作?？梢哉f，伴隨著二十一世紀(jì)的到來，生物科學(xué)的重點和潛在的突破點已經(jīng)由二十世紀(jì)的試驗分析和數(shù)據(jù)積累轉(zhuǎn)移到數(shù)據(jù)分析及其指導(dǎo)下的試驗驗證上來，生物科學(xué)也正在經(jīng)歷著一個從分析還原思維到系統(tǒng)整合思維的轉(zhuǎn)變。因此，我們所尋求的那種強有力的數(shù)據(jù)處理分析工具就成為未來生物科學(xué)的關(guān)鍵所在與此同時，伴隨著生物科學(xué)這一需求的加劇，以數(shù)據(jù)處理分析為本質(zhì)的計算機科學(xué)技術(shù)和網(wǎng)絡(luò)技術(shù)同樣獲得了突飛猛進(jìn)的進(jìn)展，自然就成為生物科學(xué)家的必然選擇，計算機科學(xué)技術(shù)和網(wǎng)絡(luò)技術(shù)日益滲透到生物科學(xué)的方方面面，1“7嶄新的、擁有巨大發(fā)展?jié)摿Φ纳镄畔W(xué)也就發(fā)展和成熟起來了而生物信息學(xué)一生物科學(xué)與計算科學(xué)的融合體一就成為下一代生物科學(xué)研究的重要工具。隨著生物信息學(xué)發(fā)展到今天，我們已經(jīng)掌握了大量的關(guān)于生物微觀結(jié)構(gòu)層面的信息，特別是DNA序列和蛋白質(zhì)建立了相應(yīng)的數(shù)據(jù)庫，如GENEBANK和PDB，但關(guān)于這一領(lǐng)域還缺乏一套在分子水平上理解生命組織的系統(tǒng)理論。于是退而求其次，利用龐大的數(shù)據(jù)庫通過推理、模型匹配或者樣本學(xué)習(xí)在數(shù)據(jù)中自動學(xué)習(xí)理論的機器學(xué)習(xí)方法應(yīng)運而生，機器學(xué)習(xí)方法正是適合這類數(shù)據(jù)量大、含有噪聲模式并且缺乏統(tǒng)一理論的領(lǐng)域，關(guān)于機器學(xué)習(xí)方法的統(tǒng)一理論體系就是用于建模和推斷的貝葉斯概率體系。在接下來的敘述中，本文先是討論了原始數(shù)據(jù)的處理問題，簡單說明在通過一些譬如對數(shù)據(jù)組賦權(quán)重和減少數(shù)據(jù)冗余度的工作后，得到新的數(shù)據(jù)組，這種新的數(shù)據(jù)組是更加“自然的”和更有代表性的。接著運用統(tǒng)計學(xué)中的貝葉斯決策的理論，首先討論了建立生物模型的理論框架，分析了在建立模型的過程中起主要作用的先驗概率的選擇問題和數(shù)據(jù)似然度的計算問題，并分析了比較典型的先驗概率如高斯GAUSS先驗概率和狄利克3

簡介：箏SITY碩士學(xué)位論文MA．DISSERTATIONSUGENO測度空問上統(tǒng)計學(xué)習(xí)理論的關(guān)鍵定理學(xué)位申請人指導(dǎo)教師學(xué)位類別學(xué)科專業(yè)授予單位答辯日期李嘉哈明虎教授理學(xué)碩士應(yīng)用數(shù)學(xué)河北大學(xué)二OO五年六月454密盯弱秘加∞級號碼號E類鼢密分學(xué)學(xué)ABSTRACTSTATISTICALLEARNINGTHEORYORSLT,WHICHWASBASEDONPROBABILITYSPACE，ISASMALLSAMPLESTATISTICSBYVAPNIK．THISPAPEREXPLORESTHESLTONAKINDOFUONADDITIVEMEASURESPACESUGENOMEASURESPACE，WHICHISMOREWIDELYTHANPROBABILITYSPACEFIRSTLY，WEDISCUSSTHEPROPERTIESOFSUGENOMEASUREANDGIVETHEDEFINITIONSOFDISTRIBUTIONFUNCTIONANDEXPECTVALUEANDVARIANCEUNDERSUGENOMEASURE．BASEDONABOVE，WEPROPOSECHEBYSHEVINEQUALITYANDTHELAWOFLARGENUMBERSONSUGENOMEASURESPACEALSO．SECONDLY,WEGIVETHEDEFINITIONSOFEMPIRICALRISKFIMCTIONAL，EXPECTEDRISKFUNCTIONALANDTHESTRICTCONSISTENCYOFERMPRINCIPLEONSUGENOMEASURESPACE．FINALLY,WEPROVETHEKEYHEOREMOFSLTONSUGENOMEASURESPACE．KEYWORDSSUGENOMEASURE；EMPIRICALRISKFUNCTIONAL；EXPECTEDRISKFUNCTIONAL；EMPIRICALRISKMINIMIZATION；THEKEYTHEOREMLJ