- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
分布估计算法论文:Copula分布估计算法中Copula函数的研究
【中文摘要】分布估计算法的核心是建立概率模型,随着待解问题的复杂化,概率模型的学习和采样占用了大部分的时间和空间开销,强化和改进分布估计算法是该领域的难点和热点问题。Copula分布估计算法把Copula理论应用到分布估计算法中。Copula理论为求取联合分布提供了一条新的途径,由Copula理论知,一个联合分布可以分解成n个边缘分布和一个连接函数(Copula函数),其中边缘分布反映单变量的信息,Copula函数反映各变量之间的相关结构。边缘分布的估计要比联合分布简单,且Copula是比较容易采样的。本文主要研究在以Clayton Copula为连接函数,以经验分布为边缘分布的条件下,Clayton Copula分布估计算法中的参数选择。当边缘分布和连接函数都确定以后,Copula参数直接影响Copula分布估计算法的性能,因为Copula函数的参数不同,所对应的变量之间的相关程度不同。本文首先对Clayton Copula的参数取了一些固定值,实验结果表明该方法可行。参数取固定值意味着每次建立的概率模型都是一样的,为了更准确地描述优势群体的概率模型,又研究了在进化过程中动态调整Clayton Copu...
【英文摘要】To estimate the probability distribution model is the key of Estimation of Distribution Algorithm (EDA), with the complexity of the problem to be solved, it will cost more time to estimate the probability distribution model and to sample from it, improving EDA is the difficult and hot issues of the field.Copula theory is used in Estimation of Distribution Algorithm based on Copula (cEDA). Copula theory provides a new way to estimate joint probability distribution, it enable us to separate joint probabil...
【关键词】分布估计算法 Copula分布估计算法 Clayton Copula 经验分布 极大似然估计 非参数估计
【英文关键词】EDA cEDA Clayton Copula empirical distribution MLE non-parametric method
【索购全文】联系Q1:138113721 Q2:139938848
同时提供论文写作一对一辅导和论文发表服务.保过包发
【目录】Copula分布估计算法中Copula函数的研究
中文摘要
3-4
ABSTRACT
4
第一章 绪论
7-13
1.1 论文的研究背景
7-11
1.1.1 分布估计算法简介
7-8
1.1.2 分布估计算法的发展现状
8-11
1.2 本文主要完成的工作
11-13
第二章 基于Clayton Copula 的分布估计算法
13-27
2.1 Copula 理论介绍
13-16
2.1.1 Copula 函数的定义
13
2.1.2 Sklar 定理
13-15
2.1.3 Copula 函数的分类
15-16
2.2 Copula 分布估计算法概述
16-18
2.2.1 算法思想
17-18
2.2.2 算法流程
18
2.3 Clayton Copula 分布估计算法
18-21
2.3.1 Clayton Copula 函数
18-19
2.3.2 Clayton Copula 函数采样
19
2.3.3 经验分布函数
19-21
2.4 仿真实验
21-24
2.4.1 测试函数
21-22
2.4.2 参数设置
22
2.4.3 仿真结果
22-24
2.5 本章小结
24-27
第三章 Clayton copula 参数的极大似然估计
27-41
3.1 极大似然估计法介绍
27-28
3.1.1 极大似然估计法定义
27-28
3.1.2 极大似然估计的性质
28
3.2 Clayton copula 参数的极大似然估计
28-30
3.3 仿真实验
30-40
3.3.1 测试函数
30
3.3.2 参数设置
30
3.3.3 仿真结果
30-40
3.4 本章小结
40-41
第四章 Clayto
文档评论(0)