一、积分计算中易出现的两类错误（论文文献综述）
袁海晟[1]（2021）在《基于威布尔分布的可靠性鉴定试验方案设计》文中进行了进一步梳理可靠性是指产品在规定的条件下,规定的时间内完成规定功能的能力。随着我国工业化水平的不断提升,无论是军工产品还是民用产品,对产品的可靠性要求都在不断提高。产品的可靠性水平由设计、制造加工和维护等多个环节共同决定。其中,不可忽视的一环是产品正式设计定型前的可靠性鉴定试验。目前我国机械产品的可靠性鉴定试验标准,一般采用GJB 899A-2009,此标准是基于产品寿命分布服从指数分布制定的,然而机械产品的寿命却大多服从或者近似服从于威布尔分布。因此本文对这一问题进行了研究,主要包括以下内容:（1）详细的阐述了可靠性鉴定试验类型、原理、设计要求、基本参数。对威布尔分布模型进行了详细的介绍,分析了威布尔分布模型的特点和主要适用场景。（2）对定时截尾试验的原理进行了介绍。针对有替换定时截尾试验,提出了一种多样本威布尔分布更新过程的计算模型,并完成了标准试验方案设计和LQ极限质量试验方案设计。针对无替换定时截尾试验,给出了试验方案设计的数学方程组。进一步结合具体算例,将本文的方案设计和GJB 899A-2009中方案以及一种基于非齐次泊松过程的方案设计进行了仿真对比与分析,证明了本文方案的优势。（3）阐述了统计学中序贯概率比检验的原理,并介绍了由其衍生而来的序贯试验方案。针对试验中不同的故障品处理策略,分别设计了基于威布尔分布的序贯试验方案。并结合具体算例,对序贯试验方案进行了仿真分析。（4）针对寿命分布的形状参数m确定这一问题,采用了参数估计的方法修正威布尔分布的形状参数。针对鉴定试验样本量较小,估计结果受样本随机性影响较大的问题,给出了一种基于S-SMART重采样方法的小样本估计方法。并结合实际例子,应用基于S-SMART重采样方法的小样本估计方法来确定样品寿命分布的形状参数,进一步完成方案设计,并对设计出的方案进行了仿真分析。
余新春[2]（2020）在《高斯白噪声信道中隐蔽通信的有限长码率分析》文中进行了进一步梳理隐蔽通信作为一种特别的通信场景,其在军事用途中的历史已经很久,最常见的是后来应用到民用场景的扩频通信,发送方在很广的带宽里发送功率极低的信号,在窄的带宽里信号湮没在噪声中不易察觉。AWGN信道中考察隐蔽通信的有限长度编码最大码率,信道的连续性本质使这个问题变得十分困难,主要难点在于:一,我们需要找到一种编码方式,在输出端可以很好的度量编码的诱导分布和噪声分布的差异;二,这种编码方式可以利用经典的有限长编码信息论的结论来得到它的码率;三,在考虑外界时,怎样利用隐蔽性的限制条件。本论文的主要贡献有:·将经典文献中的有限长确定性的编码可达界推广到随机编码情形,并得到了可方便计算的的可达界;·将上述可达界应用到AWGN信道中,得到了最大功率限制条件下随机编码的可达界;·将上述可达界应用到隐蔽通信的场景,得到隐蔽通信（在全变异距离形式的隐蔽性限制下）的可达界;·分析了最大功率限制下的最优可达界,指出其对应的输入分布与关于全变异距离的极小极大问题的解的联系;分析了相应的最优逆界的输入分布与关于全变异距离的极大极小问题的解的联系。另外,本文利用了一系列散度不等式来界定任何分组（block）长度时敌方的TVD。这些不等式使得我们能够估计敌方的TVD,并且进一步估计有限长度时的通信码率的上下界。更进一步,本文中导出了高斯随机编码时隐蔽通信的功率的充分条件和必要条件的解析表达,这些解析表达使得我们推导出隐蔽通信的有限长度码率的渐进一阶量和二阶量。这丰富了之前在离散无记忆信道上隐蔽通信一阶和二阶量的分析结果。在中等分组（block）长度和合适的编码参数的条件下,本文推导了敌方TVD的基于不完全伽马函数的计算公式。并发展了它的数值计算方法,并揭示了 SRL与不完全伽马函数的数值形态的深刻联系。基于SRL,我们考察了信号功率在幂指数分别在1/2以上和以下情形时TVD的变化和收敛速率,从而进一步解释和丰富了平方根律（SRL）。我们进一步将以上的结果应用到MISO信道中,研究了发送方在不同敌方信道信息条件下波束成形技术对MISO信道隐蔽通信性能的改善,并且得到了优化的波束成形向量的计算方法,并通过数值的方法验证了其对隐蔽通信性能的改善效果。
陈东杨[3]（2020）在《联合参数估计与最小成本的累积和控制图研究》文中研究说明质量是企业竞争力的核心,高效的检测手段对于提升质量水平十分重要。目前很多企业对产品采用全检的形式,该方法并不能有效的检测出生产过程的异常波动,工作量大且成本较高。而累积和（CUSUM）控制图作为质量检测的重要工具,其操作简便,能够及时发现异常并报警。因此,加强和改进CUSUM控制图的性能能够有效的提升质量水平;而另一方面也要降低相关成本,防止造成额外损失。本文在保证精确性的基础上对CUSUM控制图进行经济性设计,包括两个阶段:在阶段Ⅰ中选取最为稳健的估计量确定实际生产过程的均值和标准差;阶段Ⅱ在阶段Ⅰ的基础上以单位时间生产成本最低为目标,建立数学模型并求解,设计CUSUM控制图及检验策略。本文的主要研究内容如下:（1）当阶段Ⅰ中用于估计总体参数的样本来源于受污染环境时,总体均值和标准差的估计值均会偏离实际,然而目前研究并未综合分析其对CUSUM控制图性能的影响。本文共采用多种均值-标准差估计量,使用均方方差分析在四种样本来源环境中各估计量的稳健性,选取最优的样本数量和样本容量的组合;代入CUSUM控制图,以运行链长的平均运行长度、运行长度标准差、百分位数评价其性能。最终提出在各个环境下表现最好的估计量组合,为如何选取估计量提供依据。（2）阶段Ⅱ中,为降低生产成本,考虑了质量损失并采用延迟检测的策略。本文根据控制图的两类错误和延迟检测的思路分析六种可能出现的场景,结合CUSUM控制图,综合考虑质量损失成本、维修策略、抽样成本、停机损失成本,以单位时间内的成本最小为目标,构建目标函数。提出了使单位成本最小的CUSUM控制图设计方法,并采用遗传算法求解。（3）CUSUM控制图在实际生产中的应用。本文结合实际案例,分析生产过程的关键工序,确定了作为CUSUM控制图监控对象的质量特征。分析生产过程的历史数据,确定模型的具体参数并求解。对比发现采用CUSUM控制图相较于全检有效的降低了成本。本文从两方面出发综合设计CUSUM控制图,在阶段Ⅰ中提出了最为稳健的均值-标准差组合估计量;在阶段Ⅱ中建立了使成本最小的数学模型,并求解相关参数。结合实例,对比分析发现使用CUSUM控制图保证了性能的同时降低了成本,可为CUSUM控制图在实践中的应用提供借鉴意义。
周玉臣[4]（2019）在《复杂仿真模型验证方法研究》文中认为复杂仿真模型具有运行机理、组成结构及交互关系复杂,高维、非线性,应用目的多样、多逼真度、多分辨率等特点;仿真模型可信是应用仿真模型开展分析、评估、优化等研究工作的基础,模型验证是评估仿真模型可信度的重要手段。对复杂仿真模型的状态变量、输出变量的观测数据与参考系统的状态变量、输出变量的观测数据进行相似性分析是模型验证的基本途径。针对复杂仿真模型验证与实验设计问题,本文主要开展了以下研究工作:首先,针对多维时间序列的相似性分析问题,研究基于核主成分分析的多变量验证方法。核主成分分析利用核方法将特征空间上的内积计算转换为核函数计算,进而对核矩阵进行奇异值分解,获取多个相关变量在特征空间的关联关系。核主成分分析需要对核函数参数进行优化,以最大化第一核主成分的方差贡献率;考虑到长时间序列的高维核矩阵奇异值分解效率低的问题,提出一种核主成分近似计算方法,将高维矩阵分解问题转换为若干低维矩阵分解问题。进一步,综合变量间的相关关系与单个变量间的尺度相似性,给出一种相似性度量方法。相对于经典方法,基于核主成分分析的多变量验证方法考虑了变量间的相关关系,验证结果更加客观合理。其次,针对海量数据的相似性分析问题,研究基于机器学习的复杂仿真模型验证方法。给出基于机器学习的仿真模型验证方法框架和训练过程,分析影响机器学习模型性能的因素;进而利用基于局部穷举搜索的特征选择方法,发现最优特征子集。基于机器学习的智能化验证方法的难点在于如何提高分类准确率,以降低其在海量数据相似性分析中的应用风险;为此,提出一种改进的Boosting方法,通过生成多样化的训练样本、选择异类组件分类器、采用基于惩罚因子的多样性筛选准则等策略增强机器学习模型的泛化性能。再次,复杂仿真模型在某一想定下可信,无法保证其在整个应用域内可信;由此,对复杂仿真模型验证的实验设计方法进行研究。单步实验设计方法方面,给出一种多准则拉丁超立方实验设计方法,通过综合距离准则与相关性准则,生成具有良好空间填充性的初始实验设计方案。针对实验设计中过采样和欠采样问题,提出一种基于开发-探索策略的自适应序贯实验设计方法,利用改进的距离准则度量实验点的全局探索价值,通过交叉验证误差估计实验点的局部开发价值;为了避免实验点在局部区域的过度聚集问题,设计权重自适应更新策略。以高斯过程模型为例,证明基于开发-探索策略的序贯实验设计,通过最大化期望误差,可以构建高精度的元模型。最后,针对现有的模型验证和可信度评估工具难以满足复杂仿真模型验证的应用需求的问题,设计并实现面向服务的复杂仿真模型验证平台。基于需求分析,设计平台的总体架构,给出算法服务的统一描述;利用通用建模语言,描述子系统的功能、内部交互关系和功能实现流程。考虑到用户专业及研究领域不同,其验证方法使用偏好不同的问题,提出一种个性化服务推荐K近邻算法,进一步提高平台的功能完备性、易用性和模型验证的效率。利用该平台对电磁轨道炮仿真模型进行验证,检验本文研究的模型验证方法和实验设计方法的有效性,验证平台的实用性。
崔英[5]（2019）在《模糊假设的序贯检验》文中提出模糊假设检验问题是指在经典假设检验理论中引入模糊性,即在样本观测值或待检验假设中引入模糊概念.作为经典统计假设检验方法的推广,模糊假设检验是统计推断与统计决策中处理模糊概念的一种重要方法.序贯检验作为数理统计学的一个分支,研究的是“序贯抽样方案”及利用该抽样方案得到的样本进行统计推断问题,具有算法简单和检索高效等特性.时间序贯计划重点考虑时间这一因素,弥补了一般序贯方法的不足,能够有效避免因采样时间过长造成资源浪费等现象.本文采用精确样本数据,将模糊假设问题和序贯检验方法相结合,旨在发展模糊假设的序贯检验理论,丰富模糊环境下的序贯分析方法.首先利用序贯概率比检验方法研究了指数分布参数的模糊假设问题,给出了检验所需的平均样本量近似计算公式;其次在贝叶斯统计决策的观点下,分别讨论了考虑损失函数和不考虑损失两种情形下的模糊假设贝叶斯序贯检验问题,并对泊松分布参数进行检验推断,给出了具体的贝叶斯停止判决法则;最后从一般寿命分布出发,研究了贝叶斯时间序贯决策方法,并考虑了威布尔分布尺度参数的模糊假设贝叶斯时间序贯检验问题,其中损失函数包括试验费用和误判损失两部分.此外,针对上述检验理论分别进行了数值模拟计算,算例结果表明了该方法的可行性和有效性.另外与经典的固定样本量检验法相比,一般的序贯检验方法和贝叶斯序贯检验法都能够有效节约样本,达到降低试验成本和提高检验效率的目的.
魏艳华,王丙参,邢永忠[6]（2018）在《基于蒙特卡洛方法的假设检验问题探讨》文中进行了进一步梳理文章利用蒙特卡洛方法产生参考数据去逼近统计量的分布,模拟假设检验的两类错误发生概率与p值。在非平稳序列场合构造一元动态回归模型,探讨虚假回归现象出现的原因与影响因素。对于分布族的卡方拟合优度检验,得出:当样本量较少时,使用渐进分布误差较大,建议使用蒙特卡洛检验方法。
李臻[7]（2017）在《滤波式RAIM算法研究及改进》文中提出随着全球导航卫星系统（Global Navigation Satellite System,GNSS）的迅速发展,完好性已经成为了卫星导航系统的一个重要服务性能,而接收机自主完好性监测（Receiver Autonomous Integrity Monitoring,RAIM）是卫星导航系统完好性监测的一个重要组成部分。RAIM通过利用用户接收机的冗余观测量来实现卫星的故障检测和故障识别,反应迅速,易于实现且不需要借助外界设备,已经成为了导航过程中重要的处理环节。论文针对滤波算法在RAIM中的应用和改进展开研究,主要包括:1)用于检测微小缓变伪距偏差的卡尔曼滤波RAIM算法及其改进算法;2)非高斯观测噪声情况下基于改进型粒子滤波的RAIM算法。首先,对接收机自主完好性监测技术的国内外研究现状进行了综述。其次,介绍了RAIM的理论基础,包括GNSS导航定位误差、假设检验原理及方法、完好性性能指标和RAIM算法流程。第三,介绍了GNSS伪距定位原理与经典的最小二乘定位算法,推导了GNSS滤波定位算法,包括扩展卡尔曼滤波定位算法、抗差扩展卡尔曼滤波定位算法以及粒子滤波定位算法。第四,研究了基于卡尔曼滤波的RAIM算法并进行改进。推导了传统的卡尔曼滤波RAIM算法,分析了微小缓变伪距偏差对RAIM的影响,在此基础上,针对微小缓变伪距偏差的检测与修正问题,结合两种用于检测微小缓变伪距偏差的卡尔曼滤波RAIM算法:新息外推法和累积历元法,提出一种外推-积累RAIM算法。该算法结合了新息外推法和累积历元法在检测微小缓变伪距偏差上的优势,从而更有效地检测微小缓变伪距偏差;同时,利用抗差扩展卡尔曼滤波对偏差进行抗差处理,提高了定位精度。仿真实验和实测数据实验的结果表明,该算法对微小缓变伪距偏差具有更高的正确故障检测率和更短的检测时延,并在一定程度上修正了偏差。最后,研究一种基于抗差扩展卡尔曼粒子滤波（Robust Extended Kalman Particle Filter,REK-PF）的RAIM算法。通过抗差扩展卡尔曼滤波得到粒子滤波的重要性密度函数,减少了粒子退化,提高了粒子滤波的精确性,并通过残差平滑故障检测方法实现对故障卫星的快速检测和隔离。通过仿真实验和实测数据实验验证了基于REK-PF的RAIM算法的可行性,结果表明,基于REK-PF的RAIM算法在非高斯观测噪声情况下能快速检测和隔离故障卫星,与基于传统粒子滤波的RAIM算法相比,故障检测性能得到了提高,且具有更高的定位精度。
茹瑜[8]（2017）在《基于已实现波动率的量化择时研究》文中指出对于证券市场的参与者,对交易决策进行择时一直是比较困难的,但在不断波动的市场中,择时的重要性又是不可忽视的。本文从量化投资的角度对交易择时进行深入的探讨,基于已实现波动率构建HARQ-RV模型,结合统计过程控制论中的休哈特控制图制定量化择时规则,构建基于已实现波动率的量化择时策略,并对该策略在我国股市的代表性指数沪深300指数上进行了回测、分析,从策略参数选择和加入止损两个方面对所构建的波动率择时策略进行优化。本文通过实证发现,HARQ-RV模型对沪深300指数已实现波动率预测的精度不论是在样本内还是样本外较HAR-RV模型都有明显的改进,并且通过回溯发现H4RQ-RV模型在样本窗长度l=500的滚动样本窗条件下进行样本外预测的效果最好。策略回测结果证明本文所构建的基于已实现波动率的择时策略较买入持有策略,在获取更高收益率的同时能大幅降低投资者资金净值的波动率,尤其是在市场大幅下跌时,能及时提示风险,帮助投资者减小净值回撤,从而具有更高的夏普比率,在投资中具备一定的指导价值。在策略优化部分,通过对不同参数取值下择时策略的回测结果进行分析发现,参数不同的策略在不同的市场环境下表现具有明显差异,投资者在实际运用时可以通过格子搜索方法针对不同标的资产、不同的市场以及不同的市场环境对择时策略参数进行优化。但加入常用的止损条件对本文所构建的策略并不适用。同时,本文构建的波动率择时策略也存在明显不足,主要表现为策略Alpha不高,此外在市场大幅波动时,可能存在错失最佳交易机会的风险。
张金凤[9]（2016）在《半参数模型的设定与应用研究》文中指出模型设定是计量经济学建模过程的重要组成部分。计量经济学的本质就是用数据来描述经济现象,最终体现经济数据的变化规律并用模型形式来表达。在计量经济学模型完整的研究框架中,模型设定居于建模过程的首位。当模型被正确地设定时,基于该模型得到的估计和检验结果才能应用到经济数据分析中。只有计量经济模型真实地反映经济系统运行的规律,才能为经济政策评价和经济系统结构分析提供可靠的基础。一旦模型被错误设定,那么任何的估计和检验方法都无法弥补这种模型结构上的错误。此时,由模型得到的结论就不能如实地刻画经济数据的变化特征,并且很有可能是错误的,这会给经济研究带来很大的风险。因此,对模型的设定问题进行研究是非常必要的,且具有重要的理论意义与应用价值。模型设定是指在建立计量经济模型时,对变量选择、回归函数形式以及误差项分布等方面进行地讨论。这里主要研究的问题是对回归函数形式的确定。半参数回归模型是一类重要的计量经济模型,不仅兼顾了参数回归模型和非参数回归模型的优点,同时还能降低参数回归模型对数据假设条件的依赖程度。由于半参数回归模型的结构能有效地缓解非参数回归模型的维数陷阱问题,使得半参数回归模型可广泛地应用于社会生活的各个领域中。因此,从理论和应用的角度来看,半参数回归模型的研究都具有重要的意义。同参数回归模型类似,半参数回归模型也存在模型被错误设定的可能。由于半参数回归模型的理论还不够完善,且有广泛的应用前景,因此文章将半参数回归模型的设定作为重点研究问题。文章首先对国内外非参数回归模型与半参数回归模型设定方法的相关文献进行了系统地梳理和归纳,充分了解了模型设定在国内外的研究现状,并重点研究了半参数回归模型的模型设定内容,为文章的选题提供了理论支撑。基于Yatchew（2003）提出的非参数回归模型设定研究的基本框架,将半参数回归模型中的部分线性模型和单指标模型的模型设定问题也纳入到该研究框架内,事实上,对这些问题的研究最终都要归纳到对残差的回归分析上。这项工作扩展了模型设定的研究范围,为半参数回归模型的设定方法问题提供了一个新的研究方法。然后文章通过深入地研究简化了各种设定方法的步骤,为使用它们的研究者提供了很好的工具。在实证方面,将文章的研究成果应用到我国上市公司主要财务指标与股票价格的研究中。通过模型的设定方法得到了适合分析上市公司主要财务指标与股票价格之间关系的计量模型,为这方面的研究提供了理论依据。文章的创新点主要体现在以下三点:一、对国内外非参数模型和半参数模型的设定方法相关文献进行了系统地梳理与归纳。按研究方法的不同,对各种方法的适应性进行了探讨,使得非参数回归模型和半参数回归模型的设定理论更加完善,为应用这些模型的研究者提供了简便的方法。二、对半参数回归模型中的部分线性模型和单指标模型的设定方法进行了改进,将这两类模型的检验过程纳入了一般的研究框架中,进一步完善了半参数回归模型的设定方法。三、将文章的研究成果应用于我国上市公司主要财务指标与股票价格的实际研究中,利用半参数模型对它们进行分析,得到了较好的结论。在此基础上,与实证分析中常采用的参数线性模型进行了比较和研究,得到了半参数模型比参数模型以及非参数模型效果更好的结论。此项研究不仅对我国上市公司财务指标与股票价格的模型建立提供了理论基础,还为半参数模型的设定问题提供了很好的实证依据。
李树庆[10]（2015）在《基于数字图像处理的羊绒与羊毛鉴别研究》文中研究说明本文研究主要依托中阿高校合作科研项目《中阿合作羊绒产业中羊绒纤维特征参数检测方法研究》进行,随机选取宁夏灵武羊绒市场流通的羊绒与羊毛纤维作为研究对象,利用数字图像采集系统采集两类纤维各1500根的样本图像,结合数字图像处理基本技术,对采集到的图像进行处理,得到单像素宽且边缘连续的纤维鳞边缘图像,进而提取表征纤维特性的8个特征参数和4个组合参数,统计分析各参数特性,最后运用贝叶斯理论建立了两类纤维的鉴别模型,实现了羊绒与羊毛纤维的高精度自动化鉴别。本文主要研究成果如下：（1）研究了羊绒与羊毛纤维图像光学采集条件,确定适宜的采集方式,即光学显微镜采用反射式照明方式,物镜采用景深大、工作距离长的25倍物镜、样本制取须严格按照国际标准IS017751：2007进行。（2）研究确定了纤维图像预处理的最佳方案：源图像→图像灰度化→边缘增强→图像去噪→边缘提取→形态学处理。其中各阶段的最佳处理方法为：图像灰度化采用加权平均值法,边缘增强采用拉普拉斯锐化,图像去噪采用中值滤波,二值化阈值采用128,形态学处理采用膨胀和细化。（3）提取了表征两类纤维特性的8个特征参数（即纤维直径、鳞片高度、鳞片周长、鳞片面积、相对鳞片周长、相对鳞片面积、径高比、方形度）和4个组合参数,即（dh）2、h2·Ad、（dh）2/Ad、 （Dh）2/（Ad·Pd）。在参数测量中,设计了分段测量纤维直径的方法,该方法可有效克服纤维的弯曲给参数测量带来的影响,其测量精度高于常用的三角形法和中轴线法。（4）重点对各参数的分布特征、两类错误概率和相关性进行了统计分析,研究发现：各参数分布参数均服从正态分布；通过各参数的判别临界值、两类错误概率值、交叠面积,计算得8个特征参数正判率由大到小依次为,相对鳞片面积>径高比>相对鳞片周长>直径>鳞片高度>方形度>鳞片面积>鳞片周长,4个组合参数正判率由大到小依次为,h2·Ad>（dh）2>（dh）2/Ad>（dh）2/（Ad·Pd）；各参数间存在线性相关、线性无关、非线性相关三种关系。（5）依据参数间相关性、正判率等关系,选择4种参数组合建立了鉴别两类纤维的贝叶斯鉴别模型。通过对4种模型鉴别结果的分析,发现参数个数、参数正判率、参数间相关性都对鉴别模型的精度有所影响,且参数个数越多、参数正判率越高、参数间相关系数越小的模型鉴别精度越高。依据此原则,最终确定了九参数的最优参数组合贝叶斯鉴别模型,实验表明,其鉴别精度达98.9%,实现了羊绒与羊毛纤维的计算机高精度自动化鉴别。
二、积分计算中易出现的两类错误（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、积分计算中易出现的两类错误（论文提纲范文）
（1）基于威布尔分布的可靠性鉴定试验方案设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 威布尔分布模型研究现状 |
| 1.2.2 可靠性鉴定试验研究现状 |
| 1.2.3 威布尔分布下可靠性鉴定试验研究存在的问题 |
| 1.3 本文研究内容与结构安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 可靠性鉴定试验基本原理 |
| 2.1 可靠性试验方案设计原理 |
| 2.1.1 可靠性鉴定试验概述 |
| 2.1.2 可靠性鉴定试验方案分类 |
| 2.1.3 抽样检验 |
| 2.2 威布尔分布模型 |
| 2.3 试验参数 |
| 2.4 本章小结 |
| 第三章 基于威布尔分布的定时截尾试验方案设计 |
| 3.1 定时截尾试验原理 |
| 3.2 有替换定时截尾试验方案设计 |
| 3.2.1 有替换定时截尾试验的标准方案设计 |
| 3.2.2 有替换定时截尾试验的LQ方案设计 |
| 3.3 无替换定时截尾试验方案设计 |
| 3.4 算例分析 |
| 3.4.1 有替换定时截尾试验算例分析 |
| 3.4.2 无替换定时截尾试验算例分析 |
| 3.4.3 形状参数存在误差时的试验方案选择 |
| 3.5 本章小结 |
| 第四章 基于威布尔分布的序贯试验方案设计 |
| 4.1 序贯试验原理 |
| 4.1.1 似然比检验 |
| 4.1.2 序贯概率比检验 |
| 4.1.3 基于指数分布的序贯试验方案 |
| 4.2 有替换序贯试验方案设计 |
| 4.3 无替换序贯试验方案设计 |
| 4.4 算例分析 |
| 4.4.1 序贯试验的判决方式 |
| 4.4.2 有替换序贯试验算例分析 |
| 4.4.3 无替换序贯试验算例分析 |
| 4.5 本章小结 |
| 第五章 基于参数估计的可靠性鉴定试验方案研究 |
| 5.1 参数估计原理 |
| 5.1.1 极大似然估计 |
| 5.1.2 贝叶斯估计 |
| 5.1.3 S-SMART重采样方法 |
| 5.2 基于参数估计的可靠性鉴定试验方案研究 |
| 5.2.1 威布尔分布参数的极大似然估计 |
| 5.2.2 形状参数的贝叶斯估计 |
| 5.3 算例分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间参加的科研项目与取得的成果 |
| 1.在学期间参与的研究项目 |
| 2.在学期间发表的论文 |
（2）高斯白噪声信道中隐蔽通信的有限长码率分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 主要缩略语对照表 |
| 第一章 绪论 |
| 1.1 数字通信的基本概念和历史 |
| 1.2 5G通信技术 |
| 1.3 有限长度编码信息论的提出 |
| 1.4 研究内容及本文架构 |
| 第二章 信息论的相关知识介绍 |
| 2.1 离散无记忆信道 |
| 2.2 熵及其延展 |
| 2.3 噪声信道编码定理 |
| 2.4 AWGN信道的容量 |
| 2.5 有限长编码信息论 |
| 2.6 本章小结 |
| 第三章 隐蔽通信的平方根律和有限长度码率分析 |
| 3.1 隐蔽通信的平方根律(SRL) |
| 3.1.1 AWGN信道下隐蔽通信的平方根律 |
| 3.1.2 DMC信道下隐蔽通信的平方根律 |
| 3.2 离散无记忆信道中隐蔽通信的有限长度信息论 |
| 3.3 本章小结 |
| 第四章 随机编码及其可达界 |
| 4.1 基本概念 |
| 4.2 关于假设检验的预备知识 |
| 4.2.1 二项假设检验及Neyman-Pearson引理 |
| 4.2.2 Neyman-Pearson引理的重要推论 |
| 4.3 一般空间上的随机编码和确定性的编码及其可达界 |
| 4.3.1 一般空间上的随机编码 |
| 4.3.2 固定输出分布下一般空间上决定性的编码 |
| 4.4 一般空间上随机编码可达界的新结果 |
| 4.5 基于假设检验的进一步的分析 |
| 4.6 本章小结 |
| 第五章 高斯白噪声信道中最大功率限制下的通信性能 |
| 5.1 预备知识:Berry-Essen定理及渐近统计假设检验的正态近似 |
| 5.2 AWGN信道中的外界 |
| 5.3 最小外界的输出分布 |
| 5.4 有限长度情形下AWGN信道中最大功率受限时的可达界 |
| 5.4.1 可达界的计算 |
| 5.4.2 可达界的正态近似 |
| 5.5 最优可达界所对应的输入分布 |
| 5.6 与文献结果的比较 |
| 5.7 本章小节 |
| 第六章 AWGN信道中隐蔽通信的性能分析 |
| 6.1 一些关于TVD的散度不等式 |
| 6.2 敌方Willie处的TVD的估计 |
| 6.3 TVD的解析公式和数值计算 |
| 6.3.1 V_T(P_1,P_0)的解析公式 |
| 6.3.2 V_T(P_1,P_0)的数值计算 |
| 6.4 功率衰减指数下V_T(P_0,P_1)的收敛率 |
| 6.5 数值结果 |
| 6.6 本章小结 |
| 第七章 MISO信道中的隐蔽通信及波束成形的应用 |
| 7.1 MISO信道下的隐蔽通信模型介绍 |
| 7.2 优化信号及其有限长度下码率的可达界与外界 |
| 7.2.1 MISO信道下的优化信号 |
| 7.2.2 MISO信道中的吞吐量的界 |
| 7.3 MISO信道中的优化传输 |
| 7.3.1 假设发送方有Bob和Willie的完美信道信息 |
| 7.3.2 假设对Willie的信道向量g只有平均估计信息 |
| 7.3.3 假设只有Willie信道向量g的统计信息 |
| 7.4 数值结果 |
| 7.5 本章小结 |
| 全文总结 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（3）联合参数估计与最小成本的累积和控制图研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 质量控制图研究现状 |
| 1.2.2 基于参数估计的控制图研究现状 |
| 1.2.3 联合成本设计的控制图研究现状 |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 第2章 累积和控制图优化设计相关问题分析 |
| 2.1 CUSUM控制图优点及原理分析 |
| 2.2 应用关键问题分析 |
| 2.3 控制图优化方式 |
| 2.3.1 统计设计优化 |
| 2.3.2 经济设计优化 |
| 2.4 论文研究思路 |
| 2.5 本章小结 |
| 第3章 基于参数估计的阶段Ⅰ优化设计 |
| 3.1 符号定义 |
| 3.2 总体均值与标准差估计量 |
| 3.2.1 均值估计量 |
| 3.2.2 标准差估计量 |
| 3.3 估计量性能对比分析 |
| 3.4 控制图性能比较 |
| 3.5 小结 |
| 第4章 联合最小成本的阶段Ⅱ优化设计 |
| 4.1 工作场景分析 |
| 4.2 符号定义及条件假设 |
| 4.3 成本分析 |
| 4.4 六种场景下的成本与周期 |
| 4.5 优化模型建立及求解 |
| 4.6 小结 |
| 第5章 优化CUSUM控制图的应用案例分析 |
| 5.1 产线关键设备及工序分析 |
| 5.2 质量参数正态性检验 |
| 5.3 CUSUM控制图应用 |
| 5.4 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的成果 |
| 附录 |
（4）复杂仿真模型验证方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 仿真模型验证相关概念 |
| 1.2.1 模型验证与仿真可信度 |
| 1.2.2 仿真模型验证实验设计 |
| 1.2.3 仿真模型验证的两类错误 |
| 1.3 国内外研究现状综述及分析 |
| 1.3.1 模型验证方法研究现状 |
| 1.3.2 实验设计方法研究现状 |
| 1.3.3 模型验证软件研究现状 |
| 1.3.4 目前面临的问题 |
| 1.4 论文的研究内容与组织结构 |
| 第2章 复杂仿真模型的多变量验证方法 |
| 2.1 引言 |
| 2.2 仿真模型验证问题描述 |
| 2.3 复杂仿真模型的验证过程与指标体系 |
| 2.3.1 复杂仿真模型验证过程 |
| 2.3.2 复杂仿真模型验证指标体系 |
| 2.4 基于核主成分分析的多变量验证方法 |
| 2.4.1 问题描述与分析 |
| 2.4.2 核主成分分析 |
| 2.4.3 核主成分的近似计算方法 |
| 2.4.4 核主成分的相似性度量方法 |
| 2.5 应用实例 |
| 2.5.1 电磁轨道炮仿真模型及其验证指标体系 |
| 2.5.2 多变量验证实例 |
| 2.6 本章小结 |
| 第3章 基于机器学习的复杂仿真模型验证方法 |
| 3.1 引言 |
| 3.2 问题描述与分析 |
| 3.3 基于机器学习的智能化验证方法 |
| 3.3.1 方法框架 |
| 3.3.2 机器学习模型的训练过程 |
| 3.3.3 影响机器学习模型性能的因素 |
| 3.3.4 基于PES的特征选择方法 |
| 3.4 异构集成学习方法 |
| 3.4.1 改进的Boosting方法 |
| 3.4.2 分类系统的更新算法 |
| 3.5 应用实例 |
| 3.5.1 特征提取与选择 |
| 3.5.2 单一分类器性能对比 |
| 3.5.3 集成学习方法性能对比 |
| 3.5.4 改进的集成分类系统性能分析及更新 |
| 3.6 本章小结 |
| 第4章 复杂仿真模型验证的实验设计方法 |
| 4.1 引言 |
| 4.2 问题描述与分析 |
| 4.3 多准则拉丁超立方实验设计方法 |
| 4.4 基于开发-探索策略的自适应序贯实验设计方法 |
| 4.4.1 全局探索与局部开发的度量准则 |
| 4.4.2 权重自适应更新策略 |
| 4.4.3 序贯实验设计的终止策略 |
| 4.4.4 仿真结果可信度预测模型构建过程 |
| 4.5 开发-探索策略的有效性证明 |
| 4.5.1 高斯过程模型 |
| 4.5.2 有效性证明 |
| 4.6 实例验证 |
| 4.6.1 数值实例 |
| 4.6.2 应用实例 |
| 4.7 本章小结 |
| 第5章 面向服务的复杂仿真模型验证平台 |
| 5.1 引言 |
| 5.2 面向服务的复杂仿真模型验证平台设计 |
| 5.2.1 面向服务的复杂仿真模型验证平台总体设计 |
| 5.2.2 面向服务的复杂仿真模型验证平台的子系统设计 |
| 5.3 考虑数据特征与用户偏好的服务推荐方法 |
| 5.3.1 问题描述与分析 |
| 5.3.2 个性化服务推荐K近邻方法 |
| 5.4 面向服务的复杂仿真模型验证平台实现及应用 |
| 5.4.1 面向服务的复杂仿真模型验证平台实现 |
| 5.4.2 面向服务的复杂仿真模型验证平台应用 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）模糊假设的序贯检验（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 模糊假设序贯检验问题的研究现状 |
| 1.3 本文研究内容及安排 |
| 第二章 模糊假设与序贯概率比检验的基本理论 |
| 2.1 模糊假设检验的概述 |
| 2.2 序贯概率比检验的基本理论 |
| 2.3 正态分布参数的序贯概率比检验 |
| 2.4 本章小结 |
| 第三章 指数分布模糊假设的序贯概率比检验 |
| 3.1 预备知识 |
| 3.2 指数分布模糊假设的序贯概率比检验 |
| 3.3 数值模拟 |
| 3.4 两个数值例子 |
| 3.5 本章小结 |
| 第四章 模糊假设的贝叶斯序贯检验 |
| 4.1 预备知识 |
| 4.2 模糊假设的贝叶斯序贯检验 |
| 4.3 泊松分布参数的模糊假设贝叶斯序贯检验 |
| 4.4 本章小结 |
| 第五章 贝叶斯时间序贯检验 |
| 5.1 模型的建立 |
| 5.2 指数分布时间序贯检验的贝叶斯停止判决法则 |
| 5.3 数值模拟 |
| 5.4 威布尔分布的模糊假设贝叶斯时间序贯检验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（7）滤波式RAIM算法研究及改进（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 第2章 RAIM理论基础 |
| 2.1 GNSS导航定位误差 |
| 2.1.1 与卫星有关的误差 |
| 2.1.2 与卫星信号传播有关的误差 |
| 2.1.3 与接收设备有关的误差 |
| 2.1.4 其他误差 |
| 2.2 假设检验 |
| 2.2.1 假设检验的基本概念 |
| 2.2.2 卡方检验 |
| 2.2.3 似然比检验 |
| 2.2.4 奈曼-皮尔逊准则 |
| 2.3 完好性性能指标及流程 |
| 2.3.1 完好性的基本概念 |
| 2.3.2 完好性性能指标 |
| 2.3.3 RAIM算法流程 |
| 2.4 本章小结 |
| 第3章 GNSS滤波定位算法 |
| 3.1 GNSS伪距定位原理 |
| 3.1.1 伪距观测方程 |
| 3.1.2 最小二乘定位算法 |
| 3.2 扩展卡尔曼滤波定位算法 |
| 3.2.1 卡尔曼滤波解算原理 |
| 3.2.2 扩展卡尔曼滤波定位算法 |
| 3.3 抗差扩展卡尔曼滤波定位算法 |
| 3.3.1 抗差估计 |
| 3.3.2 抗差扩展卡尔曼滤波定位算法 |
| 3.4 粒子滤波定位算法 |
| 3.4.1 贝叶斯方法 |
| 3.4.2 蒙特卡洛方法 |
| 3.4.3 粒子滤波定位算法 |
| 3.5 本章小结 |
| 第4章 基于卡尔曼滤波的RAIM算法及改进 |
| 4.1 传统卡尔曼滤波RAIM算法 |
| 4.1.1 新息向量及性质 |
| 4.1.2 新息检测法 |
| 4.1.3 微小伪距偏差的影响 |
| 4.2 外推-积累RAIM算法 |
| 4.2.1 新息外推法 |
| 4.2.2 累积历元法 |
| 4.2.3 外推-积累RAIM算法 |
| 4.3 仿真实验 |
| 4.3.1 仿真条件 |
| 4.3.2 对微小伪距偏差的检测效果 |
| 4.3.3 对缓变伪距偏差的检测效果 |
| 4.4 实测数据验证 |
| 4.4.1 实验条件 |
| 4.4.2 对微小伪距偏差的检测效果 |
| 4.4.3 对缓变伪距偏差的检测效果 |
| 4.5 本章小结 |
| 第5章 基于粒子滤波的RAIM算法及改进 |
| 5.1 抗差扩展卡尔曼粒子滤波算法 |
| 5.1.1 传统粒子滤波算法存在的问题 |
| 5.1.2 粒子滤波算法的改进 |
| 5.2 抗差扩展卡尔曼粒子滤波在RAIM中的应用 |
| 5.2.1 残差平滑故障检测方法 |
| 5.2.2 基于抗差扩展卡尔曼粒子滤波的RAIM算法 |
| 5.3 仿真实验 |
| 5.3.1 仿真条件 |
| 5.3.2 仿真结果与分析 |
| 5.4 实测数据验证 |
| 5.4.1 实验条件 |
| 5.4.2 实验结果与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（8）基于已实现波动率的量化择时研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 研究结构 |
| 1.4 研究的贡献及不足 |
| 1.4.1 研究的贡献 |
| 1.4.2 研究的不足 |
| 2 文献回顾 |
| 2.1 量化择时策略的研究回顾 |
| 2.2 波动率的研究回顾 |
| 3 已实现波动率择时的理论基础 |
| 3.1 已实现波动率RV |
| 3.2 HARQ-RV模型 |
| 3.3 统计控制图 |
| 3.4 本章小结 |
| 4 已实现波动率择时策略构建及回测 |
| 4.1 已实现波动率建模 |
| 4.1.1 数据准备及描述统计 |
| 4.1.2 HARQ-RV模型估计 |
| 4.2 波动率择时策略的构建及回测 |
| 4.2.1 波动率择时指标构建 |
| 4.2.2 波动率择时策略回测 |
| 4.3 本章小结 |
| 5 已实现波动率择时策略优化 |
| 5.1 波动率择时策略参数优化 |
| 5.1.1 标准差倍数k对波动率择时策略的影响 |
| 5.1.2 标准差取样长度n对波动择时策略的影响 |
| 5.1.3 基于格子搜索法寻找最优策略 |
| 5.2 加入止损条件 |
| 5.2.1 时间止损 |
| 5.2.2 空间止损 |
| 5.3 本章小结 |
| 6 结论及展望 |
| 参考文献 |
| 致谢 |
（9）半参数模型的设定与应用研究（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 研究背景及目的 |
| 1.2 研究内容及研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 文章的创新点 |
| 第2章 文献综述 |
| 2.1 一般回归模型的设定检验讨论 |
| 2.1.1 非平滑检验 |
| 2.1.2 平滑设定检验 |
| 2.1.3 数据扩展 |
| 2.2 时间序列模型的设定检验 |
| 2.3 面板数据模型的设定检验 |
| 2.4 半参数模型的设定检验 |
| 2.5 其他类型模型的设定检验 |
| 2.5.1 Tobit模型 |
| 2.5.2 转换模型 |
| 2.5.3 随机波动模型 |
| 2.6 本章小结 |
| 第3章 密度函数的非参数估计理论 |
| 3.1 一元非参数核密度估计 |
| 3.1.1 参数密度函数错误设定的研究 |
| 3.1.2 一元核密度估计 |
| 3.1.3 核密度估计的渐近性质 |
| 3.1.4 平滑参数的选择 |
| 3.2 多元非参数核密度估计 |
| 3.2.1 多元核密度估计及渐近性质 |
| 3.2.2 平滑参数的选择 |
| 3.3 本章小结 |
| 第4章 模型设定方法的理论研究 |
| 4.1 计量经济模型分类 |
| 4.1.1 参数回归模型 |
| 4.1.2 非参数回归模型 |
| 4.1.3 半参数回归模型 |
| 4.2 检验水平与检验功效 |
| 4.2.1 检验水平与检验功效 |
| 4.2.2 影响检验功效的因素 |
| 4.3 参数模型的设定方法研究 |
| 4.3.1 回归模型显着性检验-F检验 |
| 4.3.2 拟合优度检验-卡方检验 |
| 4.3.3 回归系数约束检验-Wald检验 |
| 4.3.4 遗漏变量检验-Hausman检验 |
| 4.3.5 设定误差检验-RESET检验 |
| 4.4 非参数模型的设定方法研究 |
| 4.4.1 设定检验的一般研究框架 |
| 4.4.2 参数模型对非参数模型的设定检验 |
| 4.4.3 显着性检验 |
| 4.5 半参数模型的设定方法研究 |
| 4.5.1 半参数模型设定检验的一般研究框架 |
| 4.5.2 部分线性模型的设定检验 |
| 4.5.3 单指标模型的设定检验 |
| 4.6 本章小结 |
| 第5章 模型估计理论 |
| 5.1 参数回归模型的估计方法 |
| 5.1.1 线性回归模型的估计方法 |
| 5.1.2 非线性回归模型的估计方法 |
| 5.2 非参数回归模型的估计方法 |
| 5.2.1 非参数回归模型的Naradaya-Watson核估计 |
| 5.2.2 非参数局部多项式估计 |
| 5.3 半参数模型估计方法 |
| 5.3.1 部分线性模型的估计 |
| 5.3.2 单指标模型的估计 |
| 5.4 本章小结 |
| 第6章 上市公司财务指标与股价的实证研究 |
| 6.1 引言 |
| 6.1.1 上市公司财务指标与股票价格的研究现状 |
| 6.1.2 上市公司财务指标与股票价格之间相关性的方法研究 |
| 6.2 上市公司财务指标与股票价格经验模型的比较研究 |
| 6.2.1 数据选取及描述性统计 |
| 6.2.2 财务指标对股票价格的持续性影响 |
| 6.2.3 实证研究与模型设定 |
| 6.3 主要结论与政策意义 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 后记 |
（10）基于数字图像处理的羊绒与羊毛鉴别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本课题研究目的及意义 |
| 1.2 羊绒基本概念 |
| 1.3 羊绒与羊毛纤维鉴别方法研究现状 |
| 1.4 本课题研究主要工作 |
| 第二章 纤维图像采集及预处理 |
| 2.1 纤维图像采集系统组成 |
| 2.2 样本图像采集 |
| 2.3 纤维图像预处理 |
| 2.4 本章小结 |
| 第三章 纤维特征参数的提取 |
| 3.1 纤维特征参数介绍 |
| 3.2 纤维特性参数测量 |
| 3.3 纤维特性相对指标参数的计算 |
| 3.4 本章小结 |
| 第四章 纤维特征参数统计分析 |
| 4.1 两类纤维各参数的分布特征分析 |
| 4.2 两类纤维各参数的两类错误分析 |
| 4.3 纤维特性参数相关性分析 |
| 4.4 本章小结 |
| 第五章 羊绒与羊毛纤维鉴别模型的建立 |
| 5.1 贝叶斯分类模型基本原理 |
| 5.2 8个特征参数的贝叶斯鉴别模型 |
| 5.3 4个组合参数的贝叶斯鉴别模型 |
| 5.4 鉴别结果分析及九参数模型建立 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要研究成果 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 个人简介 |
四、积分计算中易出现的两类错误（论文参考文献）
- [1]基于威布尔分布的可靠性鉴定试验方案设计[D]. 袁海晟. 电子科技大学, 2021(01)
- [2]高斯白噪声信道中隐蔽通信的有限长码率分析[D]. 余新春. 上海交通大学, 2020(01)
- [3]联合参数估计与最小成本的累积和控制图研究[D]. 陈东杨. 武汉理工大学, 2020(09)
- [4]复杂仿真模型验证方法研究[D]. 周玉臣. 哈尔滨工业大学, 2019
- [5]模糊假设的序贯检验[D]. 崔英. 宁夏大学, 2019(02)
- [6]基于蒙特卡洛方法的假设检验问题探讨[J]. 魏艳华,王丙参,邢永忠. 统计与决策, 2018(24)
- [7]滤波式RAIM算法研究及改进[D]. 李臻. 北京理工大学, 2017(07)
- [8]基于已实现波动率的量化择时研究[D]. 茹瑜. 厦门大学, 2017(07)
- [9]半参数模型的设定与应用研究[D]. 张金凤. 天津财经大学, 2016(07)
- [10]基于数字图像处理的羊绒与羊毛鉴别研究[D]. 李树庆. 宁夏大学, 2015(02)