copula分布估計(jì)算法

前言
第1章 緒論
1.1 智能計(jì)算
1.1.1 人工智能
1.1.2 進(jìn)化計(jì)算
1.1.3 無(wú)免費(fèi)午餐定理
1.2 遺傳算法
1.2.1 基本算法
1.2.2 模式定理
1.2.3 建筑塊假設(shè)
1.3 分布估計(jì)算法
1.3.1 變量相關(guān)性方面的研究
1.3.2 算法改進(jìn)方面的研究
1.3.3 收斂性與復(fù)雜性分析
1.4 本書(shū)的結(jié)構(gòu)安排
參考文獻(xiàn)
第2章 copula理論及copula分布估計(jì)算法框架
2.1 copula理論的基本概念和定理
2.1.1 c叩ula理論的起源
2.1.2 copula函數(shù)的定義
2.1.3 copula函數(shù)的分類(lèi)
2.1.4 copula理論的基本定理
2.2 copula分布估計(jì)算法框架
2.2.1 copula分布估計(jì)算法的思想
2.2.2 copula分布估計(jì)算法的基本步驟
2.2.3 copula分布估計(jì)算法與一般分布估計(jì)算法的比較
2.3 copula分布估計(jì)算法的收斂性
2.3.1 copula分布估計(jì)算法的形式化描述
2.3.2 理論基礎(chǔ)
2.3.3 收斂性證明
2.4 小結(jié)
參考文獻(xiàn)
第3章 二維copula分布估計(jì)算法
3.1 二維正態(tài)copula EDA
3.1.1 二維正態(tài)copula EDA的算法原理和步驟
3.1.2 二維正態(tài)copula EDA仿真實(shí)驗(yàn)
3.2 二維阿基米德copula EDA
3.2.1 二維阿基米德copula EDA的算法原理和步驟
3.2.2 二維阿基米德copula EDA仿真實(shí)驗(yàn)
3.3 小結(jié)
參考文獻(xiàn)
第4章 多維經(jīng)驗(yàn)copula分布估計(jì)算法
4.1 多維經(jīng)驗(yàn)copula函數(shù)
4.1.1 經(jīng)驗(yàn)copula函數(shù)的定義
4.1.2 經(jīng)驗(yàn)copula函數(shù)的特征
4.2 經(jīng)驗(yàn)copula EDA算法
4.2.1 算法分析
4.2.2 經(jīng)驗(yàn)copula函數(shù)的條件分布函數(shù)的構(gòu)造方式
4.2.3 經(jīng)驗(yàn)copula EDA算法步驟及復(fù)雜性分析
4.3 多維經(jīng)驗(yàn)copula EDA仿真實(shí)驗(yàn)
4.3.1 測(cè)試函數(shù)
4.3.2 參數(shù)設(shè)置
4.3.3 實(shí)驗(yàn)結(jié)果分析
4.4 小結(jié)
參考文獻(xiàn)
第5章 多維阿基米德copula分布估計(jì)算法
5.1 阿基米德copula函數(shù)的采樣方法
5.2 Clayton copula分布估計(jì)算法
5.2.1 Clayton copula函數(shù)
5.2.2 算法步驟
5.3 Gumbel copula分布估計(jì)算法
5.3.1 Gumbel copula函數(shù)
5.3.2 算法步驟
5.4 Frank copula分布估計(jì)算法
5.4.1 Frank copula函數(shù)
5.4.2 算法步驟
5.5 阿基米德copula EDA仿真實(shí)驗(yàn)
5.6 小結(jié)
參考文獻(xiàn)
第6章 阿基米德copula EDA中的參數(shù)估計(jì)
6.1 極大似然估計(jì)的copula分布估計(jì)算法
6.1.1 極大似然估計(jì)的定義
6.1.2 MLE Clayton copula分布估計(jì)算法
6.1.3 仿真實(shí)驗(yàn)
6.1.4 MLE Clayton copula分布估計(jì)算法的改進(jìn)
6.2 ：PMIJE估計(jì)參數(shù)的copula分布估計(jì)算法
6.2.1 PMLE估計(jì)參數(shù)的方法
6.2.2 Gumbel copula函數(shù)的PMLE估計(jì)法
6.2.3 Clayton copula函數(shù)的PMLE估計(jì)法
6.2.4 算法性能測(cè)試及分析
6.3 基于Kendall T估計(jì)參數(shù)的copula分布估計(jì)算法
6.3.1 關(guān)于Kendall T的基本理論
6.3.2 copula分布估計(jì)算法中的Kendall T估計(jì)參數(shù)法
6.3.3 算法性能測(cè)試及分析
6.4 小結(jié)
參考文獻(xiàn)
第7章 copuIa EDA中的邊緣分布函數(shù)和采樣方法的研究
7.1 常見(jiàn)的概率分布函數(shù)
7.1.1 均勻分布
7.1.2 正態(tài)分布
7.1.3 經(jīng)驗(yàn)分布
7.2 具有正態(tài)邊緣分布的Clayton copula分布估計(jì)算法
7.2.1 對(duì)正態(tài)邊緣分布函數(shù)的估計(jì)和采樣
7.2.2 算法步驟
7.2.3 仿真實(shí)驗(yàn)
7.3 阿基米德copula EDA中采樣方法的研究
7.3.1 采樣方法
7.3.2 仿真實(shí)驗(yàn)
7.4 小結(jié)
參考文獻(xiàn)
第8章 copula EDA在圖像矢量量化中的應(yīng)用研究
8.1 數(shù)字圖像處理概述
8.2 靜止圖像編碼的常用方法
8.2.1 圖像編碼
8.2.2 熵編碼
8.2.3 預(yù)測(cè)編碼
8.2.4 變換編碼
8.2.5 子帶編碼
8.2.6 矢量量化
8.3 矢量量化器設(shè)計(jì)算法
8.3.1 算法步驟
8.3.2 算法改進(jìn)方面的研究
8.4 基于copula分布估計(jì)算法的碼書(shū)設(shè)計(jì)算法
8.4.1 算法分析
8.4.2 算法步驟
8.4.3 算法特點(diǎn)
8.5 實(shí)驗(yàn)分析
8.6 小結(jié)
參考文獻(xiàn)
附錄二 維正態(tài)copula分布估計(jì)算法程序