PMCMC算法在非線性非高斯?fàn)顟B(tài)空間模型中的應(yīng)用.pdf_第1頁
已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來，狀態(tài)空間模型在金融領(lǐng)域和工程領(lǐng)域中的應(yīng)用變得越來越重要。由于現(xiàn)實中大多數(shù)時間序列對象都具有非線性、非高斯的特征，傳統(tǒng)基于線性高斯假設(shè)下的狀態(tài)空間模型受到了極大的挑戰(zhàn)。目前在狀態(tài)空間模型分析中最著名的濾波算法是卡爾曼濾波，但前提是模型服從線性高斯假設(shè)。在這種情況下，不受分布局限的粒子濾波算法表現(xiàn)出更強的優(yōu)勢。
　　粒子濾波是一種通過蒙特卡羅樣本近似概率分布函數(shù)的貝葉斯推斷算法,被廣泛應(yīng)用于目標(biāo)定位、信號處理等領(lǐng)域。然而盡管濾

2、波問題在非線性非高斯模型中得到了較好的解決，但參數(shù)估計仍然是一個大的難題。MCMC是當(dāng)前最理想的一種參數(shù)估計方法，但在高維環(huán)境和更復(fù)雜的模型中應(yīng)用性較差。本文介紹了一種新的估計方法，即粒子馬爾科夫蒙特卡羅算法（PMCMC）。該方法聯(lián)合了粒子濾波算法與MCMC算法對非線性非高斯?fàn)顟B(tài)空間模型參數(shù)求解，且能夠很好地結(jié)合這兩種方法的優(yōu)點，同時在應(yīng)用上具有更大的突破。
　　本文在研究粒子馬爾科爾蒙特卡羅算法的基礎(chǔ)上，提出了一種基于局部M-H

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論