2011-5-学习总结
学习总结
1. 概率与数理统计
包括概率论和数理统计
概率论的基本问题是:已知总体分布的信息,需要推断出局部的信息;
数理统计的基本问题是:已知样本(局部)信息,需要推断出总体分布的信息。
(1) 参数估计:
a) 点估计,估计量检验,矩估计
b) 无偏估计;有偏估计:岭估计
(2) 假设检验
预先知道服从分布,
非参数假设检验
(3) 统计分析(包括多元统计分析)
n 方差分析
n 偏度分析
n 协方差分析
n 相关分析
n 主成分分析
n 聚类分析
n 回归分析,检验统计量
(4) 抽样理论
(5) 偏最小二乘回归分析
(6) 线性与非线性统计
2. 随机过程
定义:
3. 统计信号处理
假设检验和参数估计属于统计推断的两种形式。
3.1 信号检测
3.2 估计理论
估计理论是统计的内容;
估计理论包括静态参数估计和动态参数估计,动态参数估计也称状态估计或波形估计(信号有连续和离散之分)。似乎有的人将静态参数估计称作参数估计,将动态参数估计称作滤波!
静态估计:
n 贝叶斯估计
滤波是估计理论的研究内容。滤波可以分为空域、时域和频域的,数字图像处理常用的就是空域和频域的滤波如卷积运算,而无线信号处理则多为时域和频域,如维纳滤波。
解决最优滤波问题有三种方法论:包括维纳滤波、卡尔曼滤波、现代时间序列分析。
无线定位信号处理包括两部分内容,首先是消除奇异值,是消除错误的过程;其次是滤波,消除或减少信号在信道中传播的随机噪声影响。
3.3 时间序列分析
时间序列包括估计理论包含滤波,总之估计理论和时间序列分析都属于统计的范畴。
注意滑动平均这类滤波方法,在时间序列分析中经常被使用!
4. 变换理论
4.1 傅里叶变换
五种信号分类
分类名称 |
对应变换 |
英文命名 |
对应算法 |
应用 |
连续周期信号 |
连续傅里叶级数变换 |
CSFT |
||
连续信号 |
连续傅里叶变换 |
CFT |
||
离散周期信号 |
离散傅里叶级数变换 |
DFS |
||
离散信号 |
序列傅里叶变换 |
SFT |
||
离散有限序列信号 |
离散傅里叶变换 |
DFT |
FFT |
图像处理 信号处理 |
4.2 小波变换
小波分析是在傅里叶分析的基础上发展起来的,小波变换和Fourier变换、加窗Fourier变换相比,是一个自适应的时间和频率的局部变换,具有良好的时-频定位特性和多分辨能力。它能有效地从信号中提取信息,通过伸缩核平移等运算对信号进行多尺度细化分析,被誉为“数学显微镜”。
小波的时频窗在低频自动变宽,在高频时自动变窄。
5. 理论基础
5.1 贝叶斯方法
贝叶斯体系的基本思路:依据过程概率分布的先验知识,将包含在信号中的事实进行组合。粗略来讲,在统计推断中使用先验分布的方法进行统计基本上都是贝叶斯统计。
贝叶斯估计:最大后验估计、最大似然估计、最小均方估计、最小平均绝对误差估计
贝叶斯推断:是根据带随机性的观测数据(样本)以及问题的条件和假定(模型),对未知事物做出的,以概率形式表达的推测。
贝叶斯预测:贝叶斯预测的精度取决于贝叶斯参数估计的性能,贝叶斯预测包括许多传统的预测方法,如线性回归、指数平滑、线性时间序列都是贝叶斯预测模型的特殊情况。
贝叶斯决策:先验信息和抽样信息都用的决策问题称为贝叶斯决策问题。
贝叶斯分类:最大似然分类
贝叶斯网络:
5.2 蒙特卡罗方法
6. 最优化理论
6.1 经典最优化
6.2 现代最优化理论
NP难问题 NP-hard,其中,NP是指非确定性多项式(non-deterministic polynomial,缩写NP)。所谓的非确定性是指,可用一定数量的运算去解决多项式时间内可解决的问题。
全局最优:
(1) 模拟退火算法
(2) 人工神经网络算法
(3) 禁忌搜索算法
(4) 免疫算法
(5) 遗传算法
(6) 蚁群算法
(7) 支持向量机
7. 矿井WiFi无线定位信号处理方法
无线定位信号处理包括两部分内容,首先是消除奇异值,是消除错误的过程;其次是滤波,消除或减少信号在信道中传播的随机噪声影响。这种滤波包括卡尔曼滤波和时域滤波的方法。利用WiFi无线定位基站探测井下各类人员所携带的电子标签(电子标签会定时发送无线信号),基站接收人员位置信息并上传至服务器,根据基站的地理坐标和探测到的电子标签信息(主要是RSSI信号强弱),采用处理算法消除信号中存在的奇异值,滤波减小随机信号的干扰,采用无线定位算法实时解算人员的位置,这些处理过程都有服务器端负责处理。
静态信号处理,首先在巷道布设采样点,没间隔1m布设一个采样点,对获得的数据进行方差分析,偏度分析,确定信号在煤矿巷道中某一点的总体概率分布,以此总体概率密度消除奇异值;利用消除奇异值的信号建立无线信号距离衰减模型;
动态信号处理,包括信号奇异值消除和滤波过程。信号奇异值消除根据当前信号之前的某几个时间点数据建立滑动平均模型,将消除奇异值后的信号强弱值分别代入kalmn滤波器和加权滤波,比较滤波效果;
接下来根据定位点的到基站的距离解算人员的位置。
8. 正演过程与反演过程
简单地说,正演是由因到果。而反演正相反,是由果到因。而结果应该是可以观测到的结果,称之为观测资料。一般由果推因可分为两种情况:一是用于建立理论模型,另一种情况是假定已经建立了一定的理论模型框架,则可以由观测资料来推测理论模型中的若干个参数。其中建立理论模型的方法跟各个具体学科有密切关系。
遥感的正演过程与反演过程
辐射传方程研究的是太阳的电磁辐射通过地球大气,到达地面。经过大气的散射、吸收和折射,地面的吸收和反射,再通过大气层,传输啊传感器产生辐亮度的过程。建立起辐射光谱和辐亮度之间的关系。相关的概念包括反射率,吸收率,二向性反射等;
反演则是建立辐亮元与地表参数如地表植被的LAI,地物温度,地表的植被高度,N含量等。遥感还包括很多环境的监测如SO2,、CO等。反演一般为病态过程,存在很多的不确定的因素。
因果之间的确定性模型应该属于定理的范畴了!重视建模的过程,正演可以对理论模型进行验证,是实践检验的重要方法。
2011-5-学习总结相关推荐
- 用于光流估计的无监督深度学习DSTFlow
用于光流估计的无监督深度学习DSTFlow 原文链接 摘要 最近的工作表明,光流估计可以被表述为一个监督学习问题. 此外,卷积网络已成功应用于此任务. 然而,监督流学习由于缺乏标记的训练数据而变得 ...
- Revit二次开发从入门到精通学习之路
Revit的在国内的应用越来越广泛, Revit 2011在速度和功能上有显著的提高,所以现在对Revit应用关注更多.Revit二次开发亦受到大量的关注和评估,许多国内朋友想了解学习 Revit 二 ...
- 敏捷个人练习总结—JONE敏捷个人2011
敏捷个人练习总结-JONE敏捷个人2011 通过学习敏捷个人而出的一个文档,以后会定时跟新,和深度学习,敏捷个人相关的知识. 希望各位看官能给点意见,完善文档,同时也在完善自己.真真做到生活,工作,的 ...
- 环境DNA高通量测序问题及解决SOP (Part 1: From sample to data)
高通量测序技术是对传统测序的革命性改变,基于扩增子的高通量DNA测序方法是目前国际上微生物群落研究中最方便.最经济.最有效的常规方法之一.然而不同研究会产生不同的结果,这通常是基于DNA序列的微生物组 ...
- chengxuyuan
程序人生的四个象限和两条主线 置顶 2018年08月20日 12:00:36 vivian_wanjin 阅读数:120 零 为什么我们要自己做职业生涯规划?记得<社交网络>里边,CFO同 ...
- 面试问题汇总 精选 分析 解答 职业规划 part 4
程序员做业余项目.记笔记和写博客的重要性[经典] 编程是一种创造过程,业余项目允许程序员在没有截止日期或各种限制的条件下,以探索形式编程.业余项目之所以重要,有以下几个原因. 探索新技术 每天都会不断 ...
- 每个程序员书柜必备的编程书籍
转载至:http://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2650994619&idx=1&sn=8cfc6770782 ...
- 每个程序员书柜必有的编程书籍
本人首发:http://www.infoq.com/cn/articles/each-programmer-must-have-programming-books-bookcase 原文参考了Dan ...
- 程序员的两个主线和四个象限
图片来自这里 零 为什么我们要自己做职业生涯规划?记得电影<社交网络>里边,CFO同学在知道自己股权被稀释时说了一句话,"我以为那些律师是我的律师." 其实我们大多数人 ...
- 解读教育大数据的文化意蕴
一.大数据科学与教育发展 (一)大数据科学的兴起 在当今时代,信息化技术的迅猛发展以及互联网的普遍应用产生了前所未有的海量多样数据.维基百科将此类用传统数据处理方式无法处理的大量的.复杂的数据称之为& ...
最新文章
- vue中点击导航栏部分,页面切换
- WCF常见问题之端口共享
- 解决win下安装wordcloud出错问题
- 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](5)
- 西浦与杭电计算机选哪个,四邮四电究竟谁强谁弱?哪三所大学报考更有性价比?...
- 斯坦福大学发布 2019 人工智能指数报告
- 万字长文揭秘 ARM 32 内核是如何启动的!
- python语言开发环境搭建_Python开发环境搭建-Go语言中文社区
- IS-IS快速收敛调优(一)——IS-IS收敛机制
- VisualDiffer for Mac(文件对比利器)支持m1
- Atitit.mssql 数据库表记录数and 表体积大小统计
- 极客大学架构师训练营 系统架构 一致性哈希 Consistent Hashing 第五次作业
- 科技爱好者周刊(第 171 期):云服务流量有多贵?
- 人用药品注册技术规定国际协调会议(ICH)
- 一网打尽Mac上的软件套装 - Omi特别篇(附演示视频)
- 申请 iOS开发者计划 (IOS Developer Program IDP)
- 用后台开发的逻辑理念学习VUE
- 关于varying的理解
- FPGA--ZCU106通过SFP+/SGMII模块传输数据-第一讲(全网唯一)
- 使用servlet过滤器播放amr音频
热门文章
- java argument parse_snmp4j 之 ArgumentParser
- python语言中strike_基于Python的XSS测试工具XSStrike使用方法
- 有哪些特点_锌钢栅栏有哪些特点?锌钢栅栏特点有哪些?
- 20个你可能不知道的 Linux 网络工具
- 一份神奇的礼物(1)
- (一)Maven简介
- 五种常用web服务器jvm参数设置
- Java NIO 之 I/O基本概念(二)
- mysql+asp.net开发注意大全:mysql创建数据库的时候,创建新用户,并且付给权限。mysql存储过程的编写,mysql数据库引擎的区别,mysql数据库文件夹备份...
- Chapter13:IPv6