基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一新的非参数贝叶斯推理算法来辨识任意复杂的多模噪声分布,采用无穷维推理技术,能够较为精确地逼近噪声的后验分布.算法主要引入一随机度量分布满足一预设的先验过程--混合Dirichlet过程(Dirichlet Process Mixture,简称DPM),由于DPM具有形似于Polya urn的采样特性,能够很方便地对噪声数据进行聚类,并导出噪声的后验分布.仿真结果显示,噪声数据似然的Metropolis Hastings(M-H)的采样算法比点估计的系统分析算法精度高.
推荐文章
贝叶斯网络精确推理算法的研究
贝叶斯网络
联合树算法
概率推理
基于贝叶斯网络的证据目标模型及推理算法研究
贝叶斯网络
证据目标模型
正向推理
反向推理
Hammerstein-Wiener系统的递推贝叶斯参数辨识算法
参数估计
模块化系统
两阶段算法
递推贝叶斯算法
奇异值分解
基于变分贝叶斯算法的线性变参数系统辨识
非线性过程
线性变参数系统
多模型
变分贝叶斯算法
参数估计
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 线性动态系统噪声辨识的非参数贝叶斯推理算法研究
来源期刊 噪声与振动控制 学科 工学
关键词 振动与波 非参数贝叶斯推理 噪声辨识 Dirichlet过程混合 吉布斯采样
年,卷(期) 2008,(6) 所属期刊栏目
研究方向 页码范围 69-72
页数 4页 分类号 TN911.6
字数 2704字 语种 中文
DOI 10.3969/j.issn.1006-1355.2008.06.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 史习智 上海交通大学机械系统与振动国家重点实验室 26 519 11.0 22.0
2 雷菊阳 上海交通大学机械系统与振动国家重点实验室 4 8 1.0 2.0
3 许海翔 上海交通大学机械系统与振动国家重点实验室 6 17 3.0 4.0
4 黄克 上海交通大学机械系统与振动国家重点实验室 5 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (10)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(1)
  • 二级参考文献(0)
1974(1)
  • 参考文献(1)
  • 二级参考文献(0)
1976(3)
  • 参考文献(0)
  • 二级参考文献(3)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(3)
  • 参考文献(0)
  • 二级参考文献(3)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(7)
  • 参考文献(0)
  • 二级参考文献(7)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
振动与波
非参数贝叶斯推理
噪声辨识
Dirichlet过程混合
吉布斯采样
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
噪声与振动控制
双月刊
1006-1355
31-1346/TB
大16开
上海市华山路1954号上海交通大学
4-672
1981
chi
出版文献量(篇)
4977
总下载数(次)
4
总被引数(次)
36734
论文1v1指导